COOPERACIÓN EN LA CADENA DE SUMINISTRO DE LA ENERGÍA ELÉCTRICA EN

COLOMBIA

DIANA GINETH RAMÍREZ RIOS

UNIVERSIDAD DEL NORTE

Diciembre de 2008
i
COOPERACIÓN EN LA CADENA DE SUMINISTRO DE LA ENERGÍA ELÉCTRICA EN
COLOMBIA

DIANA GINETH RAMÍREZ RIOS

Tesis de grado presentada como requisito parcial

para optar por el titulo de Magíster en Ingeniería Industrial,
Área de énfasis en Gestión Industrial.

DIRECTOR: Ing. Carlos Paternina Ph.D

UNIVERSIDAD DEL NORTE

División de Ingenierías
Departamento de Ingeniería Industrial
Barranquilla, Colombia
Diciembre de 2008
ii
Nota de aceptación:

____________________________

____________________________

____________________________

Carlos D. Paternina Arboleda, Ph.D.

Director

iii
 TABLA DE CONTENIDO

INTRODUCCIÓN ........................................................................................................................ 1
1. FORMULACIÓN DEL PROBLEMA ............................................................................................ 3
1.1. ANTECEDENTES ........................................................................................................................ 3
1.1.1. Optimización en la Cadena de Suministro ....................................................................... 3
1.1.2. Optimización en la Cadena de Suministro de la Energía .................................................. 4
1.1.3. Teoría de Juegos ............................................................................................................... 5
1.2. PLANTEAMIENTO DEL PROBLEMA ........................................................................................... 6
1.3. JUSTIFICACIÓN.......................................................................................................................... 7
2. OBJETIVOS ............................................................................................................................ 9
2.1. OBJETIVO GENERAL .................................................................................................................. 9
2.2. OBJETIVOS ESPECÍFICOS ........................................................................................................... 9
3. MARCO TEÓRICO ................................................................................................................ 10
3.1. TEORÍA DE JUEGOS ................................................................................................................. 10
3.1.1. Formas del Juego ............................................................................................................ 10
3.1.2. Juegos Cooperativos ....................................................................................................... 11
3.1.3. Modelos Clásicos de Oferta ............................................................................................ 27
3.2. ALGORITMOS PARA EL CÁLCULO DEL VALOR DE SHAPLEY .................................................... 31
3.2.1. El Potencial de Hart y Mas-Collel ................................................................................... 31
3.2.2. Dividendos de Harsanyi .................................................................................................. 33
3.3. ESTRUCTURA DEL MERCADO ELÉCTRICO COLOMBIANO ....................................................... 34
3.3.1. Aspectos Institucionales ................................................................................................. 34
3.3.2. Actividades del Sector Eléctrico ..................................................................................... 35
3.3.3. Transacciones a través del MEM .................................................................................... 35
3.4. ESTADO DEL ARTE .................................................................................................................. 36
4. DISEÑO METODOLÓGICO .................................................................................................... 40
4.1. TIPO DE ESTUDIO.................................................................................................................... 40
4.2. METODOLOGÍA....................................................................................................................... 40

i
 4.3. HIPÓTESIS DE INVESTIGACIÓN ............................................................................................... 41
4.4. FUENTES DE INFORMACIÓN ................................................................................................... 42
5. MODELO DE OFERTA DE LA ENERGÍA ................................................................................... 43
5.1. FORMULACIÓN DEL MODELO ................................................................................................ 43
5.1.1. Definición del modelo matemático del la cadena de suministros de la energía ........... 43
5.1.2. Definición del juego cooperativo entre comercializadores ........................................... 44
5.2. PROCEDIMIENTO PARA SOLUCIONAR EL MODELO MATEMÁTICO PROPUESTO .................. 46
5.2.1. Solución matemática al modelo ...................................................................................... 46
5.2.2. Algoritmo Stackelberg-Cooperativo ............................................................................... 49
5.2.3. Implementación del algoritmo ....................................................................................... 50
5.2.4. Cálculo de la complejidad del algoritmo ........................................................................ 50
5.3. EJEMPLO NUMÉRICO: MERCADO ELÉCTRICO COLOMBIANO ................................................ 51
5.4. RESULTADOS COMPUTACIONALES ........................................................................................ 52
6. CONCLUSIONES Y FUTURAS INVESTIGACIONES .................................................................... 57
BIBLIOGRAFÍA......................................................................................................................... 60
ANEXO A ................................................................................................................................ 64

ANEXO B ................................................................................................................................ 73

LISTA DE TABLAS Y FIGURAS

Figura 1: Algoritmo PACT .................................................................................................................. 19

Figura 2: Representación grafica del modelo propuesto. ................................................................. 40
Figura 3. Plantilla de Shapley ............................................................................................................ 49

Tabla 1. Capacidades (kWh) para los generadores ........................................................................... 47

Tabla 2. Precios ($/kWh) por energía vendida entre generadores y comercializadores. ................. 47
Tabla 3. Precios ($/kWh) de energía vendida entre comercializadores y usuarios no regulados. ... 47
Tabla 4. Demanda pronosticada de los usuarios no regulados. ....................................................... 48
Tabla 5. Valores optimizados por subconjunto generado. ............................................................... 48
Tabla 6. Cantidades (en kWh) que debe negociar cada comercializador con cada usuario. ............ 50
Tabla 7. Valores de Shapley calculados para este problema. ........................................................... 50
Tabla 8. Comparación de las utilidades generadas por el modelo. .................................................. 51

ii
 INTRODUCCIÓN

Anteriormente, se había visto que la industria de energía eléctrica era controlada por un
monopolio, en todas las partes interesadas de la cadena. Pero, al pasar de los años, se ha
observado un proceso de desregulación, en el que la interacción de los diferentes agentes de la
cadena de la energía todavía no se ha observado. En un sector altamente competitivo como el
eléctrico, cada generador busca obtener el mayor beneficio económico, mientras que las
compañías comercializadoras deben estar coordinadas para así satisfacer las necesidades del
cliente. La dificultad de tener tanta competencia entre los diferentes miembros de la cadena de
suministro surge del hecho que la energía es un producto básico que debe ser producido en
cantidades altas para prevenir apagones y, al mismo tiempo, es imposible almacenarlo para
periodos futuros.

En el sistema colombiano de energía eléctrica, el gobierno, no sólo asume la regulación, control y

supervisión de la energía, sino que también promueve la competencia entre cada una de las partes
interesadas, como lo son los entes de generación, transmisión, distribución y comercialización. El
gobierno también promueve la libre contratación en los usuarios, cuyos consumos excedan los
55000 kW/mes, los llamados usuarios no regulados; y manteniendo precios regulares para los
demás usuarios, denominados los usuarios regulados.

La Comisión de Regulación de Gas y Energía (CREG) es la encargada de generar formulas para

permitir que los comercializadores establezcan costos que les permitan ofrecer el servicio a los
usuarios regulados por medio del Sistema de Interconectado Nacional (SIN). Sin embargo, cuando
se refiere a los usuarios no regulados, la negociación se maneja por medio de unos contratos
bilaterales. Los contratos bilaterales son acuerdos comerciales de compra y venta de energía,
entre generadores y comercializadores o entre sólo comercializadores, para satisfacer parcial o
completamente, la necesidad del usuario. Los contratos bilaterales hechos a largo plazo, no
implican la entrega de energía física de la energía.

1
La presente investigación presenta la problemática que existe en la negociación de la energía en la
industria colombiana. En esta, solo se analizan tres partes importantes dentro de la cadena de
suministro de la energía: los generadores, los comercializadores y los usuarios no regulados. Para
poder optimizar la cadena, es necesario tener en cuenta las necesidades de cada una de las partes
interesadas. Sin embargo, si se optimizara la función de cada uno de los agentes, se tendría una
optimización multiobjetivo que implicaría, quizás, indefinido número de funciones cuando no se
sabe con certeza, cuantas entidades actúan dentro de la cadena.

En la teoría de juegos se han contemplado problemas similares de optimización en una cadena de

suministros, considerando a cada uno de los agentes que están compitiendo dentro de la cadena,
para obtener un mayor beneficio. Sin embargo, al competir unos con otros, nunca se podría llegar
a un equilibrio debido a que los objetivos que persiguen unos son directamente conflictivos con
otros. Por ello, la teoría de juegos no cooperativa no funcionaría en este tipo de problemas, pero
la teoría de juegos cooperativa permite establecer acuerdos entre ambas partes y, por tanto, se
considera como enfoque de solución para la problemática presentada en la presente
investigación.

2
 1. FORMULACIÓN DEL PROBLEMA

1.1. ANTECEDENTES

1.1.1. Optimización en la Cadena de Suministro

Son muchos los modelos que se han implementado para la optimización de las cadenas de
suministro, dependiendo del tipo de cadena que se está manejando. Sin embargo, en general,
cualquier cadena de suministros se puede modelar como un grafo, como una red dirigida, en el
cual se considera el flujo de material, el cual va de nivel a nivel, partiendo desde el primer
proveedor de la cadena hasta el consumidor o usuario final de la misma.

Los modelos de optimización de las cadenas de suministro pueden ser lineales o no lineales,
dependiendo de la complejidad el problema. Las cadenas que consideran múltiples productos,
conversión de materia prima, inventarios, restricciones de capacidad, restricciones de transporte o
bodegaje; pueden llegar a ser no lineales. También la complejidad radica en lo que se está
optimizando y en la información que se maneja. En general, un modelo de optimización de
cadenas de suministro busca minimizar costos o maximizar utilidades. Muchos de los problemas
en la industria con este tipo de modelos es la falta de información suministrada. Por ello, se ha
visto en la literatura mayor número de modelos que intentan resolver esos problemas de
incertidumbre, haciendo pronósticos o trabajando modelos dinámicos. Lario y otros autores,
quienes participaron en un proyecto de aplicación a las organizaciones y trabajaron la
problemática de la incertidumbre, consideran la optimización de la cadena como “la mejor manera
de utilizar los recursos disponibles en los proveedores, fábricas, almacenes y distribuidores en el
horizonte de planificación.”1

1
(LARIO, 1999), p.1

3
1.1.2. Optimización en la Cadena de Suministro de la Energía

La energía es un bien básico, el cual posee unas características importantes que lo diferencian de
cualquier otro producto o bien básico del mercado. La energía es un bien que no puede ser
almacenado para futuros periodos y además no puede agotarse debido a que ello implicaría
grandes apagones, que ocasionarían grandes pérdidas para la sociedad.

Dentro del mercado eléctrico se pueden observar cinco grandes participantes de la cadena de
abastecimiento de la energía: generadores, transmisores, distribuidores, comercializadores y
usuarios. Los generadores son aquellos que producen grandes cantidades de energía a partir de
plantas de generación hidráulica y térmica. La energía generada es vendida a los comercializadores
a precios que fluctúan dependiendo de la demanda y la oferta de la energía. Los transmisores son
aquellos que transportan la energía por medio de redes de alta tensión, las cuales superan los
220kV de voltaje y que interconectan los puntos de generación a grandes centros de consumo. En
Colombia, la Interconexión Eléctrica S.A. (E.S.P.) posee el 75% de los activos de la red. Los
distribuidores son aquellos que transportan energía a través de un conjunto de líneas y
subestaciones, energía que va dirigida al servicio municipal, distrital y local, la cual opera a
tensiones menores de 220kV. Los comercializadores son aquellos que compran grandes cantidades
de energía y se las vende a los usuarios. Ellos se encargan de la facturación y del pago a todos los
actores de la cadena, mas no del transporte de la misma. Los usuarios se pueden subdividir en
dos: usuarios regulados y no regulados. Los usuarios no regulados son los grandes consumidores,
aquellos que consumen más de 55MWh de energía. Los usuarios regulados, por su parte, son
todos los pequeños consumidores que no logran ser catalogados como usuarios no regulados y
poseen un contrato con condiciones uniformes y tarifas reguladas por la CREG (Comisión de
Regulación de Energía y Gas).

En el mercado eléctrico se busca, principalmente, satisfacer las necesidades de los usuarios, con
los más altos estándares de calidad en el suministro de la energía y a precios razonables. Se han
presentado, por lo tanto, las siguientes relaciones entre las diferentes partes de la cadena:
Generador – Comercializador, Comercializador – Usuario, Generador – Usuario.

4
1.1.3. Teoría de Juegos

La teoría de juegos surge desde 1928 por John Von Neumann, sin embargo, fue en 1944 que se
hizo una aproximación a problemas competitivos y de cooperación en el libro de Neumann y
Morgenstern, “The Theory of Games and Economic Behavior”, en el que estableció el concepto de
juegos cooperativos de n personas e introdujeron la solución del juego. De ahí en adelante, se ha
trabajado sobre ambos tipos de juegos y la gran cantidad de variaciones de los mismos. Su
aplicación se ha visto no sólo en la economía, sino también en diversas áreas como lo son: la
biología, psicología e ingenierías.

Recientemente, se han observado varias herramientas de la teoría de juegos utilizadas para el

análisis del mercado eléctrico. Dependiendo de su estructura, se han aplicado una serie de
modelos para representar el comportamiento de los agentes participantes de la cadena de la
energía. Inicialmente, se adaptaron modelos clásicos de la economía, como lo son los monopolios,
oligopolios, competitivos y regulados. Uno de los primeros modelos analizados, como lo es el
modelo de Cournot, fue empleado para representar el comportamiento de los precios de
suministro de la energía. Sin embargo, este modelo mostró ineficiencias en el mercado eléctrico
de varios países, como lo es en Estados Unidos e Inglaterra (Borgenstern, et. al. 2002; Wolfram,
1999). Igualmente, se han considerado una gran cantidad de aplicaciones al modelo del mercado
eléctrico, en cuyos casos, se han introducido modelos de equilibrio basados en competencia
imperfecta (CONTRERAS J. e., 2004).

Igualmente, los problemas de optimización de la cadena de suministros se ha manejado desde la

óptica de la teoría de juegos en el que se ha permitido trabajar, principalmente, con situaciones en
el que la demanda es incierta y en el que se optimiza a partir de una función global del sistema o a
partir de las optimizaciones independientes de cada actor dentro de la cadena.

1.2. PLANTEAMIENTO DEL PROBLEMA

5
Gracias a la desregulación del mercado de la energía a nivel mundial, se ha visto una mayor
libertad en cuanto al manejo de la compra y venta de la energía. En el mercado colombiano, en
particular, se ha establecido un mecanismo en cuanto a los precios de compra y venta de energía
de acuerdo a las fluctuaciones del mercado en la bolsa de valores. Esto permite que la
competencia entre las diferentes partes se promulgue y esto beneficie al consumidor final.

Sin embargo, siempre que una parte interesada de la cadena se está beneficiando, la otra parte se
está afectando y esa competencia ha permitido que no se establezca una metodología eficiente en
cuanto a la producción y a la comercialización de la energía. Los servicios de compra y venta de
energía a los usuarios regulados están sometidos a un contrato con condiciones uniformes, a
diferencia de los usuarios no regulados, los cuales tienen una relación directa de compra y venta
de energía por medio de contratos bilaterales. En la actualidad se ha visto que, debido a las
constantes fluctuaciones de la demanda, se vuelve ineficiente hacer contratos a largo plazo y
mucho más si todas las entidades actúan de manera independiente y competitiva.

En la presente investigación se plantea un problema existente en el mercado eléctrico colombiano

con algunas empresas del sector. Para ello, se considera un problema de optimización entre
generadores, comercializadores y usuarios no regulados. La demanda es considerada
determinística debido a que esta ha sido previamente pronosticada. Se busca optimizar la utilidad
de ambos generadores y comercializadores, sin embargo, sus funciones de utilidad son
conflictivas, es decir, el mejoramiento de una función empeora la otra. Recientemente, se trabajó
una optimización bi-nivel para este mismo problema2, se optimizan todas las funciones, tanto de
generadores como de comercializadores. En esta investigación se busca implementar un modelo
de cooperación que permita continuar lo iniciado por la programación bi-nivel, pero que busque
alternativas de cooperación entre comercializadores con el fin de optimizar sus ganancias.

1.3. JUSTIFICACIÓN

2
Ver (GUZMAN, 2007).

6
Debido a que en el mercado eléctrico se busca satisfacer las necesidades de los usuarios finales en
el suministro de la energía a precios razonables, este problema planteado se refiere al manejo
eficiente de la energía que será entregada al usuario final. Una coordinación eficiente de la cadena
de suministros, no solamente entregará la cantidad que el cliente necesita sino al precio que lo
necesita. Sin dejar a un lado la libre contratación de la energía establecida por la ley, las diferentes
entidades que actúan en esta cadena deben dejar de pensar en su propio beneficio y empezar a
pensar en acuerdos conjuntos para lograr abordar una mayor parte del mercado sin riesgo alguno.

Le teoría de juegos cooperativa ofrece herramientas para poder lograr este tipo de acuerdos, ya
que esta permite dividir las utilidades de la mejor manera posible y formar alianzas estratégicas
entre jugadores. Esta formación de alianzas o lo que llamaremos coaliciones entre jugadores, será
el enfoque principal de esta investigación y cómo el valor de la coalición se reparte entre ellos
mismos.

7
 2. OBJETIVOS

2.1. OBJETIVO GENERAL

Formulación del modelo de oferta de la energía por medio de la optimización de la cadena de

suministro de la energía del mercado no regulado en busca de la maximización de utilidades tanto
de los generadores como de los comercializadores, y logrando, al mismo tiempo, la coordinación
de la cadena por medio del uso de la teoría de juegos cooperativa.

2.2. OBJETIVOS ESPECÍFICOS

Obtener una solución factible al modelo de optimización de la cadena de suministros de la

energía.
Implementar la teoría de juegos cooperativa en la formación de coaliciones de este
modelo de optimización, así como la equitativa repartición de utilidades entre los
participantes del juego.
Desarrollar un algoritmo de programación para el modelo de oferta de la energía que sea
verificable con otros modelos de optimización por medio de la generación y comparación
de resultados obtenidos.

8
 3. MARCO TEORICO

3.1. TEORIA DE JUEGOS

3.1.1. Formas del juego

El estudio de problemas reales con los principios de la teoría de juegos se puede desarrollar en
tres modelos matemáticos principales, los cuales corresponden a la forma extensiva, estratégica y
de coalición. Estos tres modelos difieren en la cantidad de detalle necesitada en el juego para
obtener el modelo y este depende del contexto de la situación analizada.

La forma extensiva del juego básicamente se define en tres aspectos, los cuales son: la posición del
jugador, el movimiento durante el juego (el cual puede ser aleatorio o puede seguir una
distribución de probabilidad) y la información utilizada por los jugadores cuando realizan el
movimiento deseado. Si cada jugador conoce los movimientos del pasado y la utilidad adquirida
en las pasadas jugadas, el juego se conoce por tener información perfecta, de lo contrario, es un
juego con información imperfecta.

La forma estratégica del juego consiste en dos elementos principales, la estrategia y el pago
obtenido, tanto la posición como el movimiento no es importante para este modelo. Cada jugador
escoge una estrategia de un conjunto de posibles estrategias. Todos los jugadores toman la
decisión simultáneamente y el juego culmina en el momento en que cada estrategia es revelada y
cada jugador recibe el correspondiente pago.

Los juegos también pueden ser subdivididos en juegos suma-cero y suma-no nula. El primer tipo
de juego existe de forma estratégica, en el que la suma de sus utilidades es cero. Los juegos de
suma-no nula son formas más generales del juego y pueden existir de manera no-cooperativa y
cooperativa. Los juegos cooperativos será el enfoque principal de esta investigación.

La forma de coalición el juego existe en juegos cooperativos con un gran número de jugadores en
el que la noción de estrategia desaparece y las principales características de este juego están en la

9
coalición formada y el valor que obtiene esta misma. Los tipos de juegos cooperativos se dividen
en dos categorías: juegos con utilidad transferible (TU) y juegos con utilidad no transferible (NTU).
En la siguiente sección se explicará con mayor detalle este concepto.

3.1.2. Juegos Cooperativos

En los juegos cooperativos, los jugadores tienen permitidos formar acuerdos bilaterales, en el que
existe un gran incentivo para trabajar en conjunto y ganar el mayor pago posible. El problema con
este tipo de juegos radica en la manera en el que la utilidad es repartida entre los jugadores. En
ocasiones este reparto no es posible por lo que no existe una forma de transferir la utilidad, sin
embargo, cuando la utilidad es transferible, los jugadores miden la utilidad en las mismas unidades
y se las reparten de acuerdo a su tasa de transferencia.

Cuando la cantidad de jugadores es tan grande que es difícil de manejar de manera estratégica, la
forma de coalición resulta ser la más adecuada. El problema radica en analizar la posibilidad de
formar una coalición de parte de los jugadores, de que esa coalición sea estable y de cómo se
deben repartir las ganancias entre los miembros de la coalición para que ninguno de ellos esté
interesado en romper la coalición.

3.1.2.1. Juegos cooperativos de dos jugadores

Considerando el caso en el que existe cooperación entre dos jugadores, es decir, que los acuerdos
bilaterales son permitidos, las estrategias mixtas correlacionadas son aceptadas y la utilidad es
transferida de un jugador a otro. En estos casos, existe la posibilidad de que un conjunto de
utilidades puedan ser obtenidas por dos jugadores que interactúan juntos, las cuales se pueden
ser ubicadas en un plano cartesiano y cuya proyección es cerrada y acotada. El problema
planteado se trata realmente de encontrar el punto que mejor satisface los intereses de los
jugadores.

Dado un juego bipersonal de suma-no nula, existe un conjunto S , el cual es un conjunto factible,
lo que significa que para cualquier (u, v) S , es posible que, actuando juntos, puedan obtener las

10
utilidades u y v , respectivamente. Generalmente, se encuentra que lo que gana un jugador es lo
que el otro pierde. Entonces, es necesario saber cómo es posible satisfacer ambas partes con el fin
de obtener la mayor utilidad en conjunto. Así no se pueda determinar con certeza como el jugador
va a reaccionar ante el acuerdo de dejar de ganar utilidad para dársela a otro, es posible saber
cuánto es lo mínimo que cada quien debe aceptar. Este valor se puede obtener si se considera
cada parte independientemente de la otra. Si se denominan esos valores u * y v * , se obtiene:

u* max min xAy

x y

v* max min xBy (3.1.2.2)

y x

Esto es, para un juego con una bimatriz (A, B), en el que x y y poseen el conjunto de estrategias

mixtas.

Asumiendo que, dado un conjunto S , es posible obtener los valores maximin (u*, v*) , cuya regla

sea la de asignar a una (S , u*, v*) , la solución: (S , u*, v*) (u , v )

Para poder definir una función, es necesario utilizar los axiomas definidas por John Nash, las cuales
fueron resumidas por Owen (1995)3:

N1 (Racionalidad Individual) (u , v ) (u*, v*)

N2 (Factibilidad)) (u , v ) S
N3 (Optimalidad de Pareto) Si (u, v) S y (u, v) (u , v ) , entonces (u, v) (u*,v*)
N4 (Independencia de Alternativas Irrelevantes) Si (u , v ) T Sy
(u , v ) (S , u*, v*) , entonces (u , v ) (T , u*, v*) .
N5 (Independencia de Transformaciones Lineares) Dado un conjunto T obtenido de
S por la siguiente transformación:
u' 1 u 1

v' 2 v 2

Como (S , u*, v*) (u , v ) , se obtiene que

3
(OWEN, 1995), p.191
11
 (T , 1u * 1 , 2 v* 2 ) ( 1u 1 , 2 v 2 ).
N6 (Simetría) Suponga que el conjunto S es tal que
(u, v) S (u, u) S
Suponga también que u* v * y que (S , u*, v*) (u , v ) , entonces u v.

De acuerdo con el Teorema IX.1.2.4, es posible definir una única función en todos los problemas

expresados como (S , x*, y*) que satisfacen los axiomas anteriormente expuestas. El Lema IX.1.35

establece que para cualquiera de los puntos (u, v) S , tal que u u*, v v * , existe un único
punto (u , v ) , el cual maximiza la función g (u, v) (u u*)(v v*) en el conjunto S , para el
cual u u *.

Con base en estas reglas ya establecidas, se puede obtener un punto (u , v ) en el que exista una

línea tangente a una curva de S , dado que el conjunto S sea convexo. La pendiente de esta línea
representa la tasa de transferencia de utilidad de un jugador a otro. Esto establece entonces que
la utilidad adicional debe ser repartida entre los dos jugadores a una razón igual que la tasa de
transferencia correspondiente.

En el caso más sencillo, si la utilidad fuera linealmente transferible, la solución de Nash seria
(u , v ) , en el que
u (u * v * k ) / 2 y v (v * u * k ) / 2 . (3.1.2.3)

3.1.2.2. Juegos cooperativos de múltiples jugadores

En juegos de n-jugadores, cada uno de los jugadores puede hacer acuerdos con otros para que la
utilidad sea repartida entre ellos. Estos acuerdos se representan por medio de coaliciones, las
cuales pueden ser de dos o más jugadores o la llamada gran coalición que está conformada por
todos los jugadores.

4
(OWEN, 1995), p.192
5
Ibid., p.192
12
Los elementos N 1,2,..., n se denominan jugadores, los subconjuntos S 2 n coaliciones y
v(S ) que representa el valor de la coalición S . La función v se denomina la función característica
del juego la cual permite que el juego ( N , v) sea identificado mediante su función característica.

La estructura de la coalición S {S1 , S 2 ,...S m } de las m coaliciones formadas debe satisfacer las
tres condiciones:
1. S j

2. S i Sj 0

3. Sj N (gran coalición)

La definición de la función característica fue introducida por Von Neumann y Morgenstern (1944)
y establece que para cada subconjunto S de N , la función característica v de juego ofrece la
mayor cantidad v(S ) que todos los miembros de S están seguros de recibir si se unen y forman

una coalición. La restricción que acompaña esta restricción es que el valor de un conjunto vacio es
0, es decir, v( ) 0 . También se establece la función de superatividad, el cual se expresa como:

v(S T) v(s) v(T ) para cualquier S , T N , tal que S T (3.1.2.2)

Esta última propiedad es importante para determinar que el pago total de la gran coalición es
colectivamente racional, porque resulta ser mucho más grande que lo que puede recibir los
jugadores independientemente.

3.1.2.3. Conceptos de solución

Una vez obtenido el valor que maximiza la utilidad de cada uno de los jugadores que se deciden
coalicionar, es necesario saber hacer la distribución de la cantidad v(N ) . Esta puede ser

representada por un vector x , el cual debe satisfacer el principio de eficiencia, es decir,

xi v(N ) (3.1.2.4)
i N

La mayor cantidad de conceptos de solución propuestos para los juegos cooperativos deben
cumplir el llamado principio de individualidad racional, en el que se establece que
13
xi v({i}) i N . Las preimputaciones que verifican este principio se llaman imputaciones del
juego ( N , v) , denotándose I (v) el conjunto de todas ellas. Este principio, junto con la propiedad
de superatividad de las coaliciones, se obtiene el primer concepto de solución, llamado el core del
juego. Este concepto de solución fue introducido por Gillies y se define como el conjunto

C (v ) x R n : x( N ) v( N ), x( S ) v( S ), S 2n ,

Donde, x( S ) xi y x( ) 0.
i N

Como se puede observar, es posible que se dé el caso en el que el core del juego sea vació.

El concepto de solución tipo Kernel también es utilizado, en el que los agentes son organizados en
un conjunto de coaliciones C={Ci} y sus excedentes son calculados como lo muestra la siguiente
ecuación 3.1.2.6.
e(C ) v(C ) ui (3.1.2.6)
Ai C

En donde, u i es el pago del agente i y v(C ) es el pago que obtiene toda la coalición.

El máximo excedente S AB del agente A sobre el agente B, con respecto a la configuración

coalicional está definido en las ecuación 3.1.2.7.

S AB max e(C ) (3.1.2.7)
C A C,B C

El agente A supera al agente B si S AB > S BA y u B > v(B) . Si ninguno de los agentes logra superar
el uno al otro, entonces están en equilibrio. Es decir, una de las siguientes condiciones se debe
cumplir para el equilibrio:
1. S AB S BA

2. S AB > S BA y u B v(B )

3. S AB > S BA y u A v( A)

Una coalición estable Kernel (K-stable) es un conjunto de configuraciones coalicionales, tal que
cada par de agentes dentro de la misma coalición está en equilibrio.

14
El núcleo es un tipo de solución que utiliza los excedentes de cada uno de los subconjuntos
de un juego de jugadores. Se define por medio de la siguiente ecuación:
(3.1.2.8)

Siendo subconjuntos de , ordenados de acuerdo a la siguiente relación:

(3.1.2.9)

Es por medio de este ordenamiento que se asignarán los vectores de pago, , en los diferentes
subconjuntos. El núcleo del juego, , sobre un conjunto , es un conjunto definido en la

ecuación 3.1.2.10.
(3.1.2.10)

Pero ninguno de estos conceptos de solución evitaba que el core fuese vacío. Sin embargo,
Shapley introdujo el concepto de coaliciones equilibradas y el juego equilibrado para determinar si
el juego tiene o no un core vacío.

Definición de coaliciones equilibradas6

Dado un juego ( N , v) , una colección {S1 , S 2 ,..., S m } del subconjunto de N, distintos y no vacíos,

se dice que es equilibrada sobre N si existen números positivos { 1 , 2 ,..., m } –denominados

pesos- tales que para todo i N,

j 1 (3.1.2.11)
{ j:i S j }

Definición de juego equilibrado7

m
Si para cualquier solución equilibrada sobre N , se verifica que, j v ( S j ) v ( N ) , entonces el
j 1

juego ( N , v) es equilibrado.

6
(FERNANDEZ GARCIA, 2000), p.37
7
Ibíd. p.38
15
Otros dos conceptos de solución son los conjuntos estables de Von Neumann y el conjunto de
negociación de Aumann y Maschler. Estos dan solución a juegos cooperativos de utilidad
transferible cuando el subconjunto del conjunto de imputaciones no es vació. También existen
otros conceptos de solución propuestas como el valor de Shapley y el valor de Banzhaf-Coleman,
los cuales asignan a cada jugador un único elemento del conjunto de preimputaciones.

Valor de Shapley

Recientemente, uno de los conceptos de solución más reconocidos en la literatura ha sido el valor
de Shapley, ya que es uno de los únicos valores que cumple con todas las propiedades que el
vector de preimputaciones para cualquier coalición debe tener en un juego cooperativo. Shapley
llegó a este valor de manera axiomática, es decir, que para cada valor del juego v , tenemos un n-
vector, i (v) , que cumple con los siguientes axiomas8:
S1. Si S es un carrier* de S, entonces

i (v ) v( S )
S

S2. Para cada permutación **, e i N,

( i) v i v
S2. Si u y v son dos juegos cualesquiera,

i u v i u i v

Entonces el valor de Shapley se obtiene por medio de esta fórmula:

( S 1)!(n S )!
i (v ) v( S ) v( S {i}) (3.1.2.12)
S N :i S n!

8
(OWEN, 1995), Op. Cit. p.262
* Un carrier de un juego v es una coalición T que satisface que para cualquier S, v(S)=v(S T). (Ver Def. XII.1.1
en: OWEN,p.261)
** Sea v un juego de n personas y sea cualquier permutación del conjunto N. Entonces, por v nos
referimos a un juego u, definido para cualquier S={i1,i2,…,is} , se satisface que u({ (i1), (i2)…, (is)}) =
v(S) (Ver Def. XII.1.2 en: OWEN,p.261)

16
Aparte de su formulación axiomática, el valor de Shapley tal como se ha definido en la ecuación
3.1.2.12, se puede explicar de manera heurística9:
Suponga que los jugadores (elementos de N) se han puesto de acuerdo para reunirse en un punto
del tiempo y el espacio específico. Naturalmente, por las fluctuaciones aleatorias, ellos aparecerán
en diferentes momentos, sin embargo, la probabilidad de llegada, asumiendo todos los órdenes de
llegada, para cada uno de los jugadores termina siendo la misma, 1/n! Los términos que vienen
después de la sumatoria corresponden a las posibles combinaciones hechas por el número de
jugadores correspondientes a cada coalición y el número de posibles coaliciones que no incluyen
al jugador i. Suponga entonces que, si un jugador i llega y se encuentra con los agentes de la
coalición S-{i}, entonces él recibe un valor V(S)-V(S-{i}), el valor marginal que contribuye el jugador
i a la coalición S. Entonces el valor de Shapley i (v) será el valor esperado del jugador i bajo este
esquema de llegadas aleatorias.

3.1.2.4. Formación de Coaliciones

Dependiendo de los diferentes conceptos de solución, se han propuesto varias maneras de formar
coaliciones debido a que el problema combinatorio puede llegar a ser bastante complejo cuando
están participando muchos agentes. Sabemos que existen 2n -1 posibles coaliciones, siendo n el
número de agentes participando. Si n es un número muy grande, el problema es
exponencialmente complejo. Son varios los algoritmos que se han propuesto por varios autores
con el fin de hacer de este proceso de formación, un proceso menos complejo.

Entre las diferentes teorías de formación de coaliciones, la Teoría de Excesos Equivalentes

(Komorita, 1970) se ha utilizado en varias aplicaciones, tal como la asignación de trabajos. Esta
teoría trata sobre la división del pago de las diferentes coaliciones luego de obtener el excedente
de este. Empieza teniendo un valor de pago esperado por cada agente, el cual es una partición
equivalente de ganancias. En cada ronda, el valor esperado de cada agente se va actualizando por
el valor del excedente restante después de que cada agente recibe su pago esperado. Este valor
esperado es conocido como E r (i, S ) y cada ronda r (0,1,...) es el r estado discreto en el proceso

9
(OWEN, 1995),p.265

17
de negociación. Después de muchas rondas, la teoría predice el valor esperado de cada agente
igual a su mejor coalición, lo cual significa que el valor del exceso converge o se torna negativo.
Para cada jugador i y la coalición S, el valor esperado más alto está dado por la siguiente ecuación.
A r (i, S ) max E r (i, T ) (3.1.2.13)
T S

Para actualizar el valor esperado en cada ronda r+1, cada jugador reclama su valor esperado
previo y el resto es divido entre partes iguales. Esto se puede observar en la siguiente ecuación:

E r (i, S ) Ar (i, S ) v( S ) Ar (i, S ) / s (3.1.2.14)

j S

Goradia y Vidal en (GORADIA & VIDAL, 2007) presentan un algoritmo que llaman PACT Algorithm
(Progresivo, para cualquier uso, convergente y eficiente en tiempo de ejecución), el cual es capaz
de resolver problemas reales de programación de trabajos en los que intervienen múltiples
agentes sin tener que recurrir a un optimizador central. Para este tipo de casos, se presenta una
configuración coalicional óptima y una distribución de pagos estable. La solución que logran
implementar, el core relajado, es una variación del core y demuestran, experimentalmente, que el
algoritmo es eficiente al compararlo con la solución óptima. En la figura 1 se muestra el algoritmo
PACT desarrollado.

18
 Figura 1: Algoritmo PACT

Un algoritmo orientado a la solución tipo Kernel fue desarrollado por Shehory y Klush [1996], con
muchas aplicaciones a problemas en el que participan múltiples agentes y cada quien es un
decisor racional e independiente. Los pasos de este algoritmo son los siguientes:
1. Calcular e intercambiar las ofertas de posibles coaliciones

2. Formación de coaliciones

3. Asignación de los pagos y reglas de terminación

Para otros conceptos de solución como lo es el Valor de Shapley, cuyo cálculo es algo complejo, se
han implementado algunos algoritmos de formación de coaliciones. Shehory y Kraus en (SHEHORY
& KRAUS) sugieren dos tipos de algoritmos para la formación de las coaliciones y la distribución de
los vectores de pago, en uno de ellos, utilizando el Valor de Shapley como solución del juego. Cada
uno de estos algoritmos se adapta a distintos entornos y aplicaciones que buscan la cooperación
entre múltiples agentes. El primer algoritmo presentado es el de negociación, el cual empieza
formando coaliciones vía negociación entre agentes, empezando por las coaliciones de un solo
agente y terminando en la gran coalición. En cada uno de los pasos, la negociación entre agentes
19
se hace con base en el pago extra que queda luego de que posiblemente se haya unido a la
coalición. Uno o más agentes pueden estar ofreciendo para entrar a una coalición en común.
Básicamente se queda en ella quien ofrezca una mejor oferta. Para mantener un orden en la
negociación se establece una relación de fortaleza entre coaliciones, con el fin de determinar
quien ofrece primero. El segundo algoritmo es uno diseñado para el cálculo del Valor de Shapley
en el que se asigna un agente externo que haga el cálculo, mientras que el resto de agentes se van
formando desde las coaliciones de un solo jugador hasta la gran coalición. Primero, el agente
externo pide toda la información relevante y luego se hace la computación de las posibles
coaliciones. Para cada una de las posibles coaliciones, el agente externo debe calcular el pago
correspondiente, el cual se determina por una función de maximización de variables. Una vez
obtenido el Valor de Shapley para cada agente, los contacta nuevamente para informarle de los
resultados.

Como el cálculo del Valor de Shapley involucra la formación de todas las posibles coaliciones, y por
tanto, una complejidad combinatoria en su cálculo, no se puede reducir su complejidad, a menos
de que se defina otro tipo de solución. Para ello, en la literatura, se ha definido el Valor Bilateral
de Shapley (BSV), el cual, se ha utilizado en varias aplicaciones reales como una alternativa a la
solución del Valor de Shapley, involucrando la negociación bilateral entre múltiples agentes
racionales. Sea el conjunto de jugadores. Se definen las coaliciones y , las coaliciones

fundadoras de la coalición bilateral de , siendo . Estas cumplen con la propiedad de que

y . Entonces, se define el Valor Bilateral Shapley de la coalición en la

coalición bilateral como lo representa la ecuación 3.1.2.15.

(3.1.2.15)

Tanto la coalición como la están dispuestos a formar la coalición si se cumplen las

siguientes condiciones expresadas en la ecuación 3.1.2.16.

(3.1.2.16)

El proceso de formación de coaliciones es básicamente el implementado por Shehory y Klusch,

mencionado anteriormente.
20
3.1.2.5. Algunos ejemplos de juegos coalicionales

En esta sección se presentarán algunas clases de juegos coalicionales, los cuales se han utilizado
como modelos en muchas aplicaciones.

Juego de Mercados10
Sea el conjunto de jugadores. Un mercado está representado por una cuádrupla ,

para la cual representa la coalición, es decir, un conjunto de comercializadores, es el espacio

Euclideano m-dimensional en donde se encuentran la cantidad de bienes, es la

colección indexada de puntos en , que representan la cantidad invertida inicialmente y

es un colección indexada de funciones cóncavas y continuas en , las cuales

representan las funciones de utilidad. Asumimos que los mercados permiten transferencia de
utilidades, es decir, que existe dinero o bienes adicionales y que cada comercializador pueda
medir su utilidad (por la venta de sus bienes) en términos de dinero. Entonces, la utilidad del
comercializador para y la cantidad de dinero es . Sea,

entonces, un mercado y sea . Un mercado conformado por los

miembros de es una colección indexada tal que para todo

y La utilidad total de la coalición S como resultado de la

transacción mencionada es Teniendo

todas las posibles combinaciones de coaliciones , y denotando a como conjunto

de todas las coaliciones factibles, se llega a la definición formulada por Shapley y Shubik (1969)
con respecto a los juegos de mercados:
Un juego es juego de mercados si existe un mercado , tal que

para cada (3.1.2.17)

Juego de Asignación11

10
(PELEG & SUDHÖLTER, 2007), p.13
21
Sea , en donde y son conjuntos disyuntos con m elementos cada uno, sea
y . El jugador (vendedor i-ésimo), posee una
propiedad, la cual valora en dólares. El jugador (comprador j-ésimo) desea comprar

una propiedad en dólares. Por lo tanto, una coalición entre los jugadores y

puede obtener una utilidad,

(3.1. 2.18)

Tenemos también que para cualquier o , tenemos que . Para todos los
demás casos, el valor del juego es igual al máximo de la utilidad total generada por la venta de las
propiedades entre los miembros de , sujeto a las restricciones de asignación, que ningún
vendedor puede venderle a más de un comprador y el comprador no puede adquirir una
propiedad de más de un vendedor. Entonces, si no tiene más vendedores que compradores, se
asigna el comprador al vendedor y su utilidad total es:
(3.1. 2.19)

Así que el valor del juego la máxima utilidad sobre todas las posibles asignaciones:
(3.1. 2.20)

Para el caso en el que no hay más compradores que vendedores, se tiene que el valor del juego es:
(3.1. 2.21)

Para un conjunto , en particular, se tiene que el valor del juego es el máximo entre todas las
permutaciones del conjunto utilizando la matriz de permutaciones (la

matriz contiene valores de 0 y 1):

(3.1. 2.22)

Se puede considerar el problema de programación lineal de asignación (cambiando la por la

) y sujeto a las restricciones que corresponden a las mismas del juego desarrollado. El programa

11
(OWEN, 1995) p.221
22
tiene una solución factible , la cual podría compararse con la misma matriz de

permutaciones, siendo que la primera un matriz puede tomar valores entre 0 y 1. Sin embargo, se
puede comprobar que la solución óptima está en sus puntos extremos12 y este es, efectivamente,
la matriz de permutaciones, . Por lo tanto, si se obtiene el dual del programa de asignación,

(3.1. 2.23)

Sujeto a

(3.1. 2.23.1)
Se puede observar que el vector óptimo a minimizar no es único, por lo tanto decimos que,
teniendo el vector a minimizar , se obtiene, que, por dualidad,

(3.1. 2.24)

Por lo tanto, se podría decir que son imputaciones del juego . En (OWEN, 1995) se

demuestra que, para cualquier S, , es decir, el core del juego.

Juego de Producción13

Se tiene un conjunto de jugadores N 1,2,..., n , cada jugador posee un lote de q bienes. Más
específicamente, el jugador i posee bi1 unidades del bien C1 , bi 2 unidades de C2 , …., biq

unidades del C q . Los bienes no tienen valor por si solos, excepto que sean utilizados para

producir los bienes G1 ,…, G m , el cual puede ser vendido a unos precios fijados en el mercado.

Asumimos una producción lineal del proceso, en el que una unidad de G l requiere de a1l

unidades de C1 , a 2 l unidades de C2 ,…, y a ql unidades de C q , que pueden ser vendidos en p l

dólares. Cuando una coalición S se forma, los miembros van a contribuir con cada uno de sus
bienes con el fin de maximizar las ganancias por la venta de los productos en el mercado. Por lo
tanto, la función característica está dada por la siguiente formulación lineal:

12
Ver Lema 5.8.1 (p.132) en (KARLIN, 1987)
13
(OWEN, 1995), p.231
23
 m
v( S ) max p l xl (3.1. 2.25)
l 1

Sujeto a
m
a kl xl bk ( S ), k 1,2,..., q en donde bk ( S ) bik (3.1. 2.25.1)
l 1 i S

xl 0, l 1,2,..., m

Para cada coalición S j S haga x j x1j ,..., xmj el vector a optimizar definiendo en el modelo

anteriormente expuesto. Para un vector balanceado definido dentro del concepto de solución del
core, se comprueba en (OWEN, 1995) que el problema no tiene un core vacío. Para

hallar una solución en específico, se sugiere resolver el problema dual de programación lineal.

Juegos del Árbol de Expansión de Costo Mínimo14

Un grupo de consumidores, distribuidos geográficamente, deben ser conectados a un proveedor
0. Estos consumidores pueden ser, por ejemplo, ciudades y el proveedor, una planta de energía
eléctrica. El usuario puede ser conectado vía el proveedor directo o por medio de otros usuarios.
Haga que y considere un grafo completo no-dirigido cuyo conjunto de nodos es de
. El costo de conectar , por una esquina es .

Sea Un árbol de expansión de costo mínimo, es un árbol con un

conjunto de nodos y un conjunto de esquinas , que conectan los miembros de a un

proveedor común 0, tal que el costo total de todas las conexiones es mínima. La función de costo
del juego de costo está definida por la siguiente función:
(3.1. 2.26)
para todo

3.1.3. Modelos Clásicos de Oferta

14
(PELEG & SUDHÖLTER, 2007), p.15

24
Una de las primeras aplicaciones de la teoría de juegos fue en la economía. Su aplicación llevo al
surgimiento de varios modelos que, hoy en día, son considerados indispensables para este campo.
Muchos de estos modelos económicos son utilizados por muchas industrias para al análisis de la
oferta y demanda de sus productos en el mercado. Incluso, se pueden clasificar algunas industrias
dentro de estos modelos y los precios de los productos o servicios que ofrecen dependen del tipo
de modelo que se ajusta su mercado. Esto se debe a que el mercado hace que se crean
mecanismos de oferta y demanda que genera competencia entre todas las empresas
participantes. La competencia está clasificada en dos: competencia perfecta y competencia
imperfecta.

La competencia perfecta es definida como un mercado en el que existen un gran número de

competidores, tanto vendedores como compradores y no existe la manera en el que uno solo
ejerza influencia sobre los otros para poder elevar o disminuir los precios en el mercado. En este
modelo el precio es definido a partir de la intersección de las curvas de oferta y demanda, el punto
de equilibrio, el cual determina el precio de equilibrio. A este precio, las empresas deciden
libremente que cantidad ofrecer. No es posible que se eleven los precios, solo se pueden
minimizar los costos para obtener mayores utilidades y aprovechar al máximo sus recursos.

La competencia imperfecta surge cuando en un mercado existen unas o varias empresas que
tienen el poder para influir sobre los precios de las otras dada sus ventajas económicas y
comerciales. Cuando es un grupo reducido de empresas las que influyen, conocemos este modelo
como oligopolio y cuando es una sola empresa, monopolio. Los oligopolios en el mercado de
productos homogéneos son tradicionalmente analizados por la teoría de juegos por medio de tres
modelos conocidos como el modelo de Cournot, el modelo de Bertrand y el modelo de
Stackelberg.

3.1.3.1. Modelo de Cournot

En este modelo cada empresa decide el nivel de producción de manera simultánea de acuerdo a la
maximización de sus utilidades, sin perder de vista que el precio depende la producción total de
todas las empresas en conjunto. Todas las empresas supondrán que sus competidores

25
mantendrán su producción constante y entonces, conociendo la cantidad de cada una de las
empresas, se puede fijar una cantidad maximizadora de utilidades. El equilibrio de Cournot se
consigue cuando cada empresa asume correctamente la producción de sus oponentes y elige el
nivel de producción que maximice sus propios beneficios. En el caso de un duopolio. Se tiene que

los niveles de producción de dos productores sean q1 y q 2 . Entonces, la curva de demanda está
dada por:
(3.1.3.1)
P a b(Q) a b(q1 q2 )
Asumiendo también que el costo marginal es constante e igual a c, el beneficio de cada empresa
se da por la siguiente ecuación:

(q1 , q2 ) ( P c)q1 (a bq1 bq2 c)q1 (3.1.3.2)

Entonces se obtiene la utilidad marginal del primer productor,
(q1 , q 2 )
0 a bq1 bq2 c 0 (3.1.3.3)
q1
Resolviendo,
a c 1
q1 q2 q1 * (q2 ) (3.1.3.4)
2b 2
De la misma manera se obtiene,
a c 1
q2 q1 q2 * (q1 ) (3.1.3.5)
2b 2

Aunque el modelo de Cournot sea estático, el equilibrio derivado se puede interpretar como el
resultado de un proceso de ajuste. Si se supone que la empresa 1 en cada periodo impar escoge la
cantidad a continuación,

q1t q1 * (q 2t 1 ) (3.1.3.6)
La anterior es la reacción óptima con relación a la cantidad producida por el competidor en el
periodo anterior. Suponiendo que ocurre lo mismo en los periodos pares, con la empresa 2, las
cantidades convergen al equilibrio del Nash-Cournot no importa cual haya sido el punto de
partida.

Para un oligopolio de más de 2 empresas, se tiene que la cantidad ofrecida por un productor
depende de la producción de las demás empresas de esta forma:
26
 a b 1
q1 * (q2 ,..., qn ) (q 2 ... qn ) (3.1.3.7)
2b 2
Resolviendo el sistema para obtener una solución simétrica ( qi q N ) se obtiene:

a c
qN (3.1.3.8)
b(n 1)
n a c
QN (3.1.3.9)
n 1 b
1 n
PN a c (3.1.3.10)
n 1 n 1

A medida que aumentan el número de empresas, el precio de equilibrio se aproxima al precio de

competencia perfecta.

3.1.3.2. Modelo de Bertrand

Este modelo asume la misma hipótesis del modelo de Cournot, sin embargo, la cantidad es
sustituida por el precio como variable estratégica. En el caso de un duopolio, dos empresas fijan
precios que maximizan sus utilidades, pero estos pueden estar sujetos a alguna de las siguientes
situaciones:

p1 p 2 : La demanda de la empresa 1 sería 0, suponiendo que la empresa 2 satisface toda la

demanda.

p1 = p 2 : La demanda se dividiría entre ambas empresas equitativamente.

p1 p 2 : Toda la demanda la tiene la empresa 1
Sin embargo, en el momento de fijar los precios la empresa 1 debe tener en cuenta si el precio de

la empresa 2 es inferior al coste marginal, c ; superior al precio monopólico del mercado, P M ; o

entre ambos valores. Para ello, se tienen diferentes valores óptimos, representado por la siguiente
función:

PM si p 2 PM : (3.1.3.11)

p1 * ( p2 ) p2 si c p2 P M Suponiendo que es un valor muy pequeño.

27
 c si p2 c

Suponiendo que la empresa 2 está en las mismas condiciones que la empresa 1, su solución sería
simétrica. El equilibrio de Nash sería la intersección de ambas funciones de reacción, es decir,

p1 * ( p2 ) p2 * ( p1 ) c . En otras palabras, su equilibrio es igual a su coste marginal. Asimismo,

como en el modelo de Cournot, a medida que aumenta el número de empresas, la convergencia
de los valores a los de competencia perfecta se logra rápidamente.

3.1.3.3. Modelo de Stackelberg

Considere un problema de dos etapas, en el que en la primera etapa, una primera decisión es
tomada por el primer jugador o líder del juego. De acuerdo a esta decisión, el segundo jugador, el

seguidor, optimiza su solución, la cual es denominada x 2 * ( x1 ) , de la siguiente manera:

2 ( x 2 , x1 )
x 2 * ( x1 ) 0 (3.1.3.11)
x2
Durante la segunda etapa del juego, el primer jugador anticipa la respuesta del segundo,

encontrando la solución para x1 :

d 1 ( x1 , x 2 * ( x1 )) 1 ( x1 , x 2 *) 1 ( x1 , x 2 ) x 2 * (3.1.3.12)
0
dx1 x1 x2 x1

3.2 ALGORITMOS PARA EL CÁLCULO DEL VALOR DE SHAPLEY15

3.2.1 El potencial de Hart y Mas-Colell

Hart y Mas-Colell introducen una función potencial, la cual le asigna a cada juego un

número real que satisface las siguientes condiciones:

(3.2.1.1)

(3.2.1.2)
15
Tomado de (FERNANDEZ GARCIA, 2000) p.43-47

28
 (3.2.1.3)

Donde es la función característica a las coaliciones , tal que para

toda coalición . El número real se denomina contribución marginal del jugador

al juego . Se exige, para cumplir con la condición de eficiencia,

(3.2.1.4)
Para cada .

Este valor puede ser calculado por medio de un algoritmo recursivo. Hart y Mas-Colell demuestran
que la contribución marginal del juego coincide con su valor de Shapley, esto es,

(3.2.1.5)
Para todo .

Algoritmo Potencial

Para hasta

Para hasta

Fin Para
Fin Para
Donde es la j-ésima coalición de tamaño i,

3.2.2 Dividendos de Harsanyi

Aunque la complejidad temporal de este algoritmo es de , su eficiencia mejora

notablemente en situaciones en las que existe cooperación parcial. En un espacio vectorial

29
 , cualquier juego puede expresarse como una combinación lineal de ellos, resultando
que con

Harsanyi denomina el dividendo de en el juego , cumpliéndose,

Para y (3.2.2.1)

Por lo tanto, comenzando con , el valor se puede calcular recursivamente por

medio de la siguiente fórmula,

(3.2.2.2)

El valor de Shapley, , para cada , es

(3.2.2.3)

Algoritmo Dividendo

Para hasta

Para hasta

Fin Para
Fin Para
Donde es la j-ésima coalición de tamaño i,

3.3. ESTRUCTURA DEL MERCADO ELÉCTRICO COLOMBIANO

El mercado eléctrico colombiano está compuesto por varias entidades, públicas y privadas, cuyas
actividades pertenecen a toda una cadena productiva de la energía eléctrico, la cual comienza
desde los generadores y termina en los usuarios, receptores finales de la energía generada.

3.2.1. Aspectos Institucionales

30
En Colombia, el gobierno se encarga de la dirección, planeación, regulación y control del mercado
eléctrico. La dirección del mercado eléctrico está a cargo del Ministerio de Minas y Energía, el cual
ha establecido decretos y leyes que han estructurado el sector eléctrico colombiano16. De acuerdo
con los artículos 365-370, el modelo del sector eléctrico adoptado por Colombia se fundamenta
en los principios establecidos en la carta constitucional. Con la expedición de las Leyes 142 y 143
de 1994 se reestructuró el Sector Eléctrico Colombiano y se establecieron límites a la integración
vertical con la determinación de cuatro actividades: generación, transmisión, distribución y
comercialización, se creó el Mercado Mayorista de Electricidad y se reorganizó el esquema
institucional del sector. La planeación del mercado eléctrico está a cargo de la Unidad de
Planeación Minero Energética (UPME), la cual es organizada por el Ministerio de Minas y Energía
como una unidad especial que se encarga de elaborar y actualizar el Plan de Expansión de
Referencia del sector energético. La regulación del mercado eléctrico está a cargo de la Comisión
de Regulación de Energía y Gas (CREG), la cual debe velar por un servicio adecuado por medio del
aprovechamiento de los recursos escasos en beneficio de los usuarios. El control y la vigilancia del
mercado eléctrico están a cargo de la Superintendencia de Servicios Públicos (SSPD), la cual,
independientemente de la comisión de regulación, esta se encarga de realizar funciones
específicas de control y vigilancia.

3.2.2. Actividades del Sector Eléctrico

En el Mercado de Energía Mayorista (MEM) participan aquellas entidades que generan,

transmiten, distribuyen, comercializan y consumen la energía. La generación de la energía es la
producción de la energía eléctrica mediante una planta conectada al Sistema de Interconectado
Nacional (SIN). La comercialización es la transacción de compra y venta de energía eléctrica a los
usuarios finales, por medio de contratos bilaterales o por medio de la bolsa. La transmisión es el
transporte de la energía eléctrica a través de un conjunto de líneas que operan a tensiones iguales
o superiores de 220kW, o pertenecen a un sistema de transmisión regional. La distribución es el
transporte de la energía eléctrica a través de un conjunto de líneas que operan a tensiones

16
(MINISTERIO DE MINAS Y ENERGIA, 2007)

31
inferiores de 220kW, que se dedican al servicio de transmisión municipal, distrital o local. Una
entidad puede ser generadora, distribuidora/transmisora y comercializadora al mismo tiempo. Por
último, los consumidores de la energía son los usuarios regulados y no regulados. Los usuarios
regulados son aquellos que consumen cantidades menores a 55MWh/mes y están sujetos a
contratos de condiciones uniformes y tarifas regidas por la CREG. Los usuarios no regulados, por el
contrario, son aquellos que consumen cantidades mayores a 55MWh/mes y están sujetos a
contratos bilaterales, cuyos precios de venta y cantidades son libres y acordados entre ambas
partes.

3.2.3. Transacciones a través del MEM

En el mercado eléctrico colombiano existen diversos entes que manejan la operación de

transacción a través del MEM. El Centro Nacional de Despacho se encarga de toda la planeación,
supervisión y control de las actividades de generación, interconexión y trasmisión del SIN (Sistema
Interconectado Nacional). Igualmente asegura que el despacho de energía se dé de la manera más
eficiente y confiable, y sobre todo, siguiendo los reglamentos acordados en el reglamento de
operación. Los contratos de energía a largo plazo y el registro de las fronteras comerciales lo hace
el Administrador del Sistema de Intercambios Comerciales. Las actividades de liquidación,
facturación, cobro y pago de los actos o contratos de energía transados en la Bolsa por
generadores y comercializadores, en fin, todo lo necesario para garantizar el buen funcionamiento
del Sistema de Intercambios Comerciales (SIC). En la administración del MEM se encuentra
igualmente el liquidador y administrador de cuentas del Sistema de Trasmisión Nacional, el cual se
encarga de liquidar y facturar los cargos de uso de las redes del Sistema de Interconectado
Nacional asignadas.

Básicamente las transacciones en el MEM entre generadores y comercializadores se realizan por

medio de dos maneras: contratos financieros fijados a largo plazo (Resolución CREG 47 de 2000) y
por medio de la Bolsa de la Energía (Resolución CREG 55 de 1999). En la primera, los precios y
cantidades son fijados libremente entre compradores y vendedores. En la segunda, los
generadores participantes en el MEM deben ofrecer sus ofertas de precio en la Bolsa de la
Energía, los cuales deben tener en cuenta sus costos variables y el riesgo involucrado. La compra

32
de energía que gestionan los comercializadores para fines de los usuarios regulados se realiza por
medio de contratos bilaterales, los cuales han sido regulados y en el que se garantiza la
competencia en este tipo de transacciones (Resolución CREG 20 de 1996). Por otro lado, la compra
de energía destinada hacia los usuarios no regulados, también establecida con contratos
bilaterales, no están reguladas y los precios pueden ser acordados libremente entre ambas partes.

3.3. ESTADO DEL ARTE

Son varias las aplicaciones que se han visto en torno a las cadenas de suministro desde el punto de
vista de la teoría de juegos cooperativa. Por un lado, en el sector eléctrico se han analizado los
mercados eléctricos, los problemas de transmisión de la energía eléctrica, la planeación de las
plantas generadoras de energía eléctrica. Por otro lado, se ha visto como en otras industrias se
han observado modelos similares.

Gately en (GATELY, 1974) fue uno de los primeros autores en abordar el tema de cooperación para
el sistema de energía eléctrico entre varias regiones. Su aplicación fue específicamente con
referencia al suministro de la energía eléctrica en cuatro estados de los Estados Unidos. Se
propone la repartición del beneficio de varias empresas de generación de electricidad en estos
distintos estados, el cálculo de los costos para cada uno de los grados de cooperación y la medida
de eficiencia en la cooperación. Los diferentes grados de cooperación que define el autor son: (1)
Cooperación completa entre todos los Estados, (2) autosuficiencia para cada Estado y (3)
cooperación entre algunos, pero no todos los Estados. Para simplificar el problema, se
consideraron sólo tres áreas geográficas, para las cuales se validaron las diferentes propiedades de
estabilidad y eficiencia en las coaliciones.

Autores como Javier Contreras, se han dedicado a la planeación de las líneas de trasmisión
energéticas y varias aplicaciones que se han hecho en torno a ello. Se han diseñado algoritmos
para un sistema distribuido de múltiples agentes, cada uno con la oportunidad de cooperar dentro
de la cadena de suministro. En (CONTRERAS J. , 1997) se diseña un sistema de información
inteligente de optimización para redes de trasmisión energética en California, Estados Unidos.
Para un ejemplo de 6 líneas de trasmisión se definen los agentes que participan en el juego. Este

33
juego es restringido dado que no todas las coaliciones son factibles. Utilizan el valor de Shapley
como concepto de solución. Para ello, utilizan un algoritmo de negociación calculando el Valor
Bilateral de Shapley, mencionado en las pasadas secciones, con el fin de evitar la complejidad
exponencial que implica el cálculo del Valor de Shapley. En esta investigación, se muestran los
resultados de la implementación de este algoritmo al problema clásico de transmisión de energía
eléctrica. En (CONTRERAS & WU, A Kernel-Oriented Algorithm for Transmission Planning, 2000) se
obtiene otro tipo de concepto de solución, la Kernel, para el mismo problema de transmisión de
energía eléctrica. En cuanto a otros casos, se ha observado aplicaciones en torno a la calidad de la
energía. En (HULSHORST & WOLSE, 2007) se implementan contratos de calidad con el fin de lograr
acuerdos entre el usuario y el generador. En la medida en que el usuario pague por obtener mejor
calidad mediante contratos, es posible coordinar un suministro más eficiente de la energía. A
medida de que un operador pueda establecer los límites acordados con el cliente y a medida de
que existan los límites de regulación en la calidad de la energía, se podrán evitar problemas de
calidad, tanto para el cliente como para el generador.

Igualmente, se han visto innumerables aplicaciones en el mercado eléctrico, especialmente áreas

de la teoría de juegos no necesariamente cooperativos. En (CONTRERAS, KLUSCH, & KRAWCZYK,
Numerical Solutions to Nash-Cournot Equilibria in Coupled Constraint Electricity Markets, 2004) se
presenta un método numérico basado en el algoritmo relajado y la función Nikaldo-Isoda
presentada para el cálculo de equilibrio de Nash-Cournot en el mercado energético. Se obtuvo
resultados para un sistema de 30 líneas de transmisión, para el cual, se observaron las
elasticidades en cuanto al precios en oferta y cómo la cooperación varía en cada caso. En
(VELASQUEZ, 2000) se observan las funciones matemáticas de equilibrio para los mercados
energéticos y la aplicación de esto en el sector energético para el mercado energético
desregulado. Son muchas las aplicaciones en el sector eléctrico y energético, presentadas por
Velásquez en su informe, para las cuales no entraremos en detalle, pero están enfocadas hacia los
mercados oligopólicos, y para ello, obteniendo el equilibrio de Cournot de manera dinámica y
estática.

En (LINDROOS, 2000) se aplica la teoría de juegos cooperativa en la industria de la pescadería de

los países nórdicos en Europa. Para ello, se define un juego cooperativo en el que participan tres

34
agentes. La solución del juego se concentra en el núcleo y en el Valor de Shapley. Lindroos
demuestra que la cooperación entre todas las naciones, es decir, la gran coalición, no es estable.
Además, los nuevos miembros potenciales de las pescaderías regionales no tienen incentivos para
unirse. Sin embargo, resultados de flotas ineficientes marcan resultados contrarios.

Cachón y otros autores han abordado la optimización y cooperación de la cadena de suministros.

De manera general se han visto las diferentes aplicaciones en torno a la cadena de suministros y
las muchas variantes de ese problema. En (CACHÓN, 1999) se observa una cadena de suministro
de dos niveles que contemplan las ventas perdidas y la demanda estocástica. Por medio de la
generación de contratos, se observa como los incentivos hacen que las empresas decidan sobre
una acción o sobre otra. También se determina la manera como el costo es compartido entre los
diferentes miembros de la cadena. En (CACHON & ZIPKIN, 1999) se observan las distintas políticas
de inventarios implementadas a partir de los esquemas cooperativos y competitivos. En (CACHON
& LARIVIERE, 2005) se analizan los pros y los contras de los contratos de repartición de ingresos y
se demuestra con un solo almacén, como se llega a la solución óptima y también se observa como
esta funciona para un conjunto de almacenes que están compitiendo por cantidades a comprar.

35
 4. DISEÑO METODOLÓGICO

4.1. TIPO DE ESTUDIO

Para el diseño del modelo cooperativo de la cadena de suministro de la energía eléctrica fue
necesario hacer un estudio de: (1) la teoría de juegos cooperativa, sus diferentes conceptos de
solución, las teorías de formación de coaliciones existentes en la literatura y en especial, los
algoritmos que existen en la actualidad para el cálculo del Valor de Shapley; (2) la estructura del
sector eléctrico colombiano, el comportamiento del mercado y de sus entes regulatorios; y (3) el
estado del arte de las aplicaciones de la teoría de juegos en la optimización de las cadenas de
suministro de la energía.

Luego de hacer la exploración de la literatura existente en los temas anteriormente expuestos, se

procede a determinar el tipo de juego cooperativo que se aplica a la cadena de suministros de la
energía eléctrica en Colombia. Se analizan las distintas variables que intervienen dentro del
modelo de optimización y se procede a diseñar el modelo de juego cooperativo adecuado para el
problema descrito. Por último de implementa el modelo en un caso particular del sector eléctrico
en la industria colombiana.

4.2. METODOLOGÍA

Esta investigación ha concentrado su enfoque en la teoría de juegos cooperativa y su aplicación a

una cadena de suministro en particular, la del sector eléctrico colombiano. Por lo tanto, se ha
hecho primero un análisis sobre el estado del arte en este tema. Particularmente, no se ha
observado aplicaciones de teoría de juegos cooperativa en el sector eléctrico colombiano. Si se
han observado funciones matemáticas de equilibrio y en estas se incluye el equilibrio cooperativo,
sin embargo, no se han visto modelo de formación de coaliciones ni el cálculo del Valor de Shapley
para un problema de cadena de suministro de la energía eléctrica. Por ser un tema novedoso fue
necesario observar todas las distintas aplicaciones que se han hecho, no sólo en el sector eléctrico,
sino también en otros sectores de la industria. Se estudian igualmente los modelos de teoría de

36
juegos cooperativa y los diferentes conceptos de solución, los algoritmos de formación de
coaliciones y algoritmos para el cálculo del Valor de Shapley, en particular.

Para el diseño del modelo se han observado que en el mercado eléctrico no regulado intervienen
los generadores, comercializadores y usuarios no regulados, principalmente. Se ha decidido
formular un modelo económico de oferta de la energía eléctrica, teniendo en cuenta que cada uno
de los generadores y comercializadores buscan maximizar sus utilidades. Si se optimiza todas las
funciones al mismo tiempo, no se hallaría una solución eficiente al modelo. Por lo tanto, y
siguiendo el trabajo presentado por Luceny Guzman en (GUZMAN, 2007), se obtiene una solución
inicial por medio de la optimización bi-nivel y con base en esa respuesta inicial, se busca la
cooperación de los distintos comercializadores, quienes van a ser los que intervienen
directamente con el cliente.

Con el fin de validar el modelo presentado, se utilizará herramientas computacionales tales como
Visual Studio como apoyo a Microsoft Office y se resolverá para el caso presentado y se comparará
con los resultados de optimización individuales optimizadas por medio de de GAMS.

4.3. HIPÓTESIS DE INVESTIGACIÓN

Para la presente investigación se analizan los posibles resultados esperados:

1. La cooperación entre comercializadores es eficiente y estable dentro del modelo de

optimización de la energía eléctrica en Colombia, en el que todos los agentes forman una
coalición (gran coalición) y no tienen incentivos para salirse de la misma.
2. La cooperación entre comercializadores no es eficiente ni estable dentro del modelo de
optimización de la energía eléctrica en Colombia.
3. La cooperación entre comercializadores es parcialmente eficiente y estable dentro del
modelo de optimización de la energía eléctrica en Colombia, pero no todos los agentes
logran formarse en una gran coalición dado su inestabilidad e ineficiencia.

37
4.4. FUENTES DE INFORMACIÓN

Para esta investigación se pretende dar un aporte tanto académico (diseño del modelo) como
informático (validación del modelo). La investigación hecha para el diseño del modelo se obtiene
de fuentes tanto primarias como secundarias. Como fuente primaria se investigó en artículos de
bases de datos electrónicas y páginas web con el fin de obtener el estado del arte más reciente;
por otro lado, libros de teoría de juegos, en especial, autores que se especializan en teoría de
juegos cooperativa, como lo son OWEN, PELEG y SUDHÖLTER, AUBIN, SHAPLEY, entre otros. Como
fuente secundaria, los buscadores de páginas web como www.google.com y las bases de datos
electrónicas y la biblioteca de la Universidad del Norte fueron de gran apoyo.

38
 5. MODELO DE OFERTA DE LA ENERGÍA

5.1. FORMULACIÓN DEL MODELO

5.1.1. Definición del modelo matemático del la cadena de suministros de la energía

Se define un juego dinámico de múltiples participantes, por un lado están los generadores, cada
uno denominado agente i , y por el otro están los comercializadores, cada uno denominado
agente j . Se plantea el principio de Stackelberg y se recurre a una optimización bi-nivel con el fin
de optimizar las funciones de utilidad de ambos agentes. Este modelo fue formulado por L.
Guzmán, el cual utiliza Kuhn-Tucker como procedimiento de solución, el cual será utilizado en la
primera parte del modelo para obtener la cantidad xij * que cada comercializador j recibe de

cada generador i . El modelo de optimización referenciado en (GUZMAN, 2007, pág. 33) es el

siguiente:
n
max C ij X ij
j 1 (5.1.1)

Sujeto a
m n

l f i ( x) wi l g i ( x) wm j g m j ( x) wm n k l gm n k ( x) 0 (5.1.1.1)
i 1 j 1

wi g i ( x) 0 i 1,..., m (5.1.1.2)
wm j g m j ( x) 0 j 1,..., n
(5.1.1.3)
wm n k gm n k ( x) 0 k 1,..., r
(5.1.1.4)
wm n k j gm n k j ( x) 0 j 1,..., n
(5.1.1.5)
g i ( x) 0 i 1,..., m
(5.1.1.6)
g m j ( x) 0 j 1,..., n
(5.1.1.7)
gm n k ( x) 0 k 1,..., r (5.1.1.8)

gm n k j (x) 0 (5.1.1.9)
(5.1.1.10)
wt 0 t 1,..., m 2n r

39
Donde l es el gradiente con respecto a xl de las variables controladas por el subnivel i

Luego con estos resultados, se inicia un juego cooperativo de n-jugadores, siendo n el número de
comercializadores en el modelo, que buscan maximizar sus utilidades y suplir la demanda de los
usuarios no regulados. Para ello, se debe definir cuanta cantidad venderle a cada cliente en cada
periodo, dependiendo de la demanda pronosticada para cada uno. Debido a que se busca
beneficiar a los comercializadores en conjunto, se proceden a formar coaliciones entre ellos para
obtener la mejor manera de comercializar la energía para satisfacer la demanda de los usuarios no
regulados. La figura 1 muestra una representación gráfica del modelo.

c1 G1 xi1 C1 U1 d1
y j1
xi 2 y j2
c2 G2 C2 U2 d2
xi 3 y j3
xiNC
c3 G3 C3 y jNU U3 d3

c NG G Unu d NU
ng
Cnc

Figura 2: Representación grafica del modelo propuesto.

5.1.2. Definición del juego cooperativo entre comercializadores

Sea el conjunto de todas las posibles estructuras coalicionales formadas por

jugadores, en este caso, los comercializadores en la cadena de suministros de la energía. Sea
una coalición formada por subcoaliciones. El juego cooperativo de los comercializadores

de energía consiste, entonces, en la compra y venta de la energía en beneficio de sus utilidades.

Cada comercializador le compra unidades (kWh) de energía al generador y luego le vende

unidades (kWh) de energía al usuario , tal como se muestra en la Figura 2.

40
Asumiendo la posible cooperación entre comercializadores y además, que al unirse, los precios
que ambos han ofrecido se convierte en un precio que maximice sus utilidades, se asigna, para
cada coalición , una función característica del juego que asigna el valor a cada una de las

subcoaliciones es definida bajo el siguiente modelo de programación lineal:

m nu ng
max p wk y jw cij xij (5.1.2)
w 1 k 1 j Bwl i 1

Sujeto a
xij xij * i, j (5.1.2.1)
ng nu
xij ywk w (5.1.2.2)
j Bwl i 1 k 1

m
ywk dk k (5.1.2.3)
w 1

xij , y jk 0 i, j (5.1.2.4)

En la ecuación 5.1.2, cij es el precio que cada generador i le vende al comercializador j por

kWh de energía, mientras que p wk es el precio establecido entre los j comercializadores, en las

m coaliciones de la estructura coalicional B l . La ecuación 5.1.2.1 establece las cantidades xij *

que cada generador i le vende a cada comercializador j , el cual se obtiene de la primera

optimización hecha por programación bi-nivel. La ecuación 5.1.2.2. establece que la cantidad total
suministrada por los generadores a los comercializadores pertenecientes a una coalición w, debe
ser igual a la cantidad total suministrada de cada coalición a los usuarios no regulados. La ecuación
5.1.2.3 establece que los comercializadores deben proveer la energía demandada por cada k
usuario no regulado. La ecuación 5.1.2.4 establece la no negatividad para las variables del
problema de optimización.

5.2. PROCEDIMIENTO PARA SOLUCIONAR EL MODELO MATEMÁTICO PROPUESTO

41
5.2.1. Solución matemática al modelo

Como cualquier juego cooperativo, nos interesa, no sólo que la coalición sea estable y eficiente,
sino que también la distribución de pagos sea equitativa entre los jugadores que pertenecen a
dicha coalición.

Observando el modelo matemático, específicamente en la ecuación 5.1.2.1, en donde

, entonces la segunda parte de la sumatoria en la función objetivo observada en la

ecuación 5.1.2 es un valor constante, es decir,

ng ng
cij xij cij xij *
j Bwl i 1 j Bwl i 1

Teniendo en cuenta esto, el modelo se puede reducir a:

m nu ng
max p wk y jw cij xij * (5.2.1.1)
w 1 k 1 j Bwl i 1

Sujeto a
nu ng
y wk xij * w (5.2.1.2)
k 1 j Bwl i 1

m
ywk dk k (5.2.1.3)
w 1

y jk 0 i, j (5.2.1.4)

Para el modelo matemático anterior se tiene que la matriz a optimizar es la presentada en la

ecuación 5.2.1.5:
(5.2.1.5)

Si definimos una matriz que representa la fracción que le corresponde a cada comercializador

dentro de cada subcoalición , se tiene que el core consiste en los vectores para

cada una de las subcoaliciones formadas dentro de la coalición . Para pertenecer al core, esta

solución deben cumplir con los principios de eficiencia y racionalidad individual:

42
 (5.2.1.6)

(5.2.1.7)

Para este problema de optimización primal se le puede obtener el dual, el cual se plantea en las
siguientes ecuaciones:
(5.2.1.8)

Sujeto a:
(5.2.1.9)

Para este problema tenemos que el vector de minimización es , los cuales se pueden

asociar con las imputaciones del juego cooperativo. Como,

(5.2.1.10)

Igualmente, al saber por el modelo de programación original que , se puede obtener por

dualidad que,

(5.2.1.11)

Entonces,
(5.2.1.12)

También, teniendo en cuenta que se forma la gran coalición, tenemos que,

(5.2.1.13)

Si definimos que lo que le corresponde a cada jugador en la gran coalición es:

43
(5.2.1.14)
Entonces,

(5.2.1.15)

De esta manera, se cumplen las propiedades de eficiencia y racionalidad individual de las

coaliciones. Por lo tanto, los vectores sí pertenecen al core del juego.

Sin embargo, hemos observado en la literatura que el Valor de Shapley cumple con todas las
axiomas para garantizar la estabilidad de las coaliciones generadas y garantiza una única solución
aunque su valor sea un poco complicado de calcular. Para ello, también observamos que en la
literatura se muestran varios algoritmos que simplifican el cálculo del Valor de Shapley, resumidos
en las pasadas secciones.

5.2.2. Algoritmo Stackelberg-Cooperativo

El procedimiento implementado para solucionar el modelo del optimización de la cadena de

suministros de la energía eléctrica se denomina el modelo Stackelberg-Cooperativo. Este
procedimiento tiene en cuenta la optimización bi-nivel presentada anteriormente y, luego, la
coalición entre comercializadores. A continuación se presenta el algoritmo desarrollado para este
modelo:

44
ALGORITMO STACKELBERG-COOPERATIVO
0 Ng ← input // numero de generadores
Nc ← input // numero de comercializadores
Nu ←input // numero de usuarios no regulados
v_g(i, j), v_c(j,k), cap_g(i), dem(k) i=1,…,Ng; j=1,…, Nc; k= 1,…,Un
r ← 0; stop ← falso
1 PASO 1: Optimización Bi-Nivel de la cadena de suministros
2 PASO 2: Formación de los coaliciones iniciales
3 PASO 3: Assignación de costos y precios de las coaliciones
4 PASO 4: Optimización de la función característica del juego para la coalición r
5 PASO 5: Registrar el valor del juego para cada agente
6 Haga
7 PASO 6: La subcoalción ganadora es seleccionada
// La contribución para cada jugador se registra cuando la nueva coalición es formada.
// Con estos valores, la coalición mas fuerte es seleccionada y el valor es registrado.
8 Para w=1 Hasta (count-1)
9 PASO 7: Formación de nuevas coaliciones
10 Ir al PASO 3
11 Ir al PASO 4
12 Ir al PASO 5
13 Fin Para
14 PASO 8: Una mejor solución es registrada
15 Si V(Sr)< V_max entonces
16 Si |Lj|<> 0 ent
17 l←j Lj
18 Si no
19 stop←verdadero
20 Fin Si
21 // Lj es el conj. de agentes que han sido líderes en las rondas anteriores.
22 Fin Si
23 Hasta stop= verdadero
24 PASO 10: Calcular el Valor de Shapley
25 Imprimir resultados

La extensión de este algoritmo se encuentra en el APÉNDICE A.

5.2.3. Implementación del algoritmo

Para verificación del algoritmo, se hizo una implementación del mismo en Visual Studio 2005 y el
uso de Microsoft Excel 2003 como medio para ingresar los datos iniciales, mostrar los resultados y
utilizar algunas de sus herramientas de cálculo. Como se puede observar en el algoritmo, se pide
inicialmente el número de generadores, comercializadores y usuarios y los datos de precios,
demanda y capacidad las cuales son almacenadas en matrices y vectores. Debido a que este
problema es combinatorio, la manera como se registran las coaliciones nuevas es por medio de
una cadena de caracteres la cual registra el valor de la posición en la que está el comercializador
45
que ordena de 1 hasta n en la cadena, es decir, si tenemos 1_1_2_3, quiere decir que nuestra
coalición es {(1,2) (3) (4)}. Aunque esta forma parezca complicada, ahorra mucho más espacio en
la memoria. Sin embargo, al desarrollar cualquier tipo de cálculo, es necesario convertirlo a matriz
binaria para que sea solo multiplicar matrices en la operación. Para realizar las optimizaciones se
hace uso de la herramienta de Solver en Excel y luego de haber calculado el Valor de Shapley, el
algoritmo presenta la estructura coalicional que mejor le conviene a los comercializadores y en las
coaliciones con más de un agente se presenta el pago que a cada uno le correspondería
cooperando.

5.2.4. Cálculo de la complejidad del algoritmo

Para calcular la complejidad del algoritmo es necesario primero saber los ciclos que están
ocurriendo, a nivel general. Se pueden observar, en primera instancia, un ciclo Haga Hasta que
llega hasta que se cumpla una condición de parada, en el peor de los casos, hasta y un
Para anidado, el cual puede llegar, en el peor de los casos hasta (la variable puede
cambiar de iteración tras iteración). Las optimizaciones, aunque utilicemos Solver de Excel, es
necesario recalcar que el algoritmo simplex llega al óptimo sin necesidad de tomar la herramienta
de Excel. Se demostró en (PAPADIMITRIOU & STEIGLITZ, 1998) que en el peor de los casos, el
algoritmo simplex tomaría iteraciones, sabiendo que tenemos variables y
restricciones17, siendo . Al calcular el Valor de Shapley estamos utilizando una

plantilla de Shapley, para el cual tienen dos ciclos PARA, cada uno de los ciclos llega, como mucho,
al número total de comercializadores, es decir, y además, se tienen que recorrer todas las
posibles coaliciones, lo cual, para este caso, son , obteniendo así una complejidad de

5.3. EJEMPLO NUMÉRICO: MERCADO ELÉCTRICO COLOMBIANO

En la Industria Eléctrica Colombiana, la negociación de la energía está manejada por el Mercado

Mayorista de la Energía (MEM), en donde los generadores y comercializadores participan como

17
(PAPADIMITRIOU & STEIGLITZ, 1998), Ver Th. 8.1 p.169
46
agentes del Sistema de Interconectado Nacional (SIN) y negocian la energía por medio de
contratos a corto y a largo plazo. Este caso en particular se trata de la negociación de energía a
largo plazo, en el que contratos bilaterales son realizados entre cada una de las partes interesadas.
Un conjunto de plantas generadoras están interesadas en participar en esta negociación. Estas
empresas les suministran energía a cuatro grandes empresas colombianas, conocidas como
usuarios no regulados del sistema. Sin embargo, esta negociación es realizada por medio de seis
compañías comercializadoras, por medio de acuerdos comerciales hechos con los generadores y
con los usuarios no regulados. Este ejemplo numérico es resuelto con el modelo propuesto. En la
tabla 1, las capacidades de los cinco diferentes generadores están dadas. En la tabla 2, se
muestran los precios por kWh de energía vendida de generadores a comercializadores y en la tabla
3, los precios por kWh de energía vendida entre comercializadores y usuarios no regulados.
Finalmente, la demanda pronosticada para los usuarios no regulados se encuentra en la tabla 4.

Capacidades (Kwh)
G1 302
G2 411
G3 447
G4 314
G5 877
Tabla 1. Capacidades (kWh) para los generadores

C1 C2 C3 C4 C5 C6
G1 94,8 102 93,6 87 93,6 93,6
G2 93,6 91,2 97,8 88,8 94,2 91,2
G3 87,6 94,8 90 87,6 95,4 97,8
G4 94,8 97,2 97,2 103,8 96,6 88,8
G5 95,4 93,6 89,4 90 96,6 94,2
Tabla 2. Precios ($/kWh) por energía vendida entre generadores y comercializadores.

U1 U2 U3 U4
C1 158 170 156 145
C2 156 152 163 148
C3 146 158 150 146
C4 158 162 162 173
C5 159 156 149 150
C6 156 157 159 161
Tabla 3. Precios ($/kWh) de energía vendida entre comercializadores y usuarios no regulados.

47
 Demanda (Kwh)
U1 250
U2 315
U3 325
U4 200
Tabla 4. Demanda pronosticada de los usuarios no regulados.

Se procede a utilizar el algoritmo Stackelberg-Cooperativo con el fin de demostrar que, si los

agentes cooperan, se garantiza una estabilidad en la coalición.

5.4. RESULTADOS COMPUTACIONALES

Se procede a ingresar los datos en el programa generado por Visual Studio 2005. Los informes
generados en Microsoft Excel nos muestran las diferentes coaliciones formadas con sus valores
optimizados. En el APÉNDICE B se presenta el informe generado. En la tabla 5 se muestra, en
resumen, los valores correspondientes a las diferentes coaliciones generadas.

Subconjunto Vmax Subconjunto Vmax Subconjunto Vmax

{1} 9128,18944 {1,2,3} 30807,7672 {1,2,3,5} 36040,7473
{2} 12845,4977 {1,2,4} 59472,3054 {1,2,3,6} 37233,874
{3} 6538,15379 {1,2,5} 29672,9812 {1,2,4,5} 66124,7741
{4} 35164,8531 {1,2,6} 29956,5451 {1,2,4,6} 66150,8919
{5} 5338,65962 {1,3,4} 52467,7098 {1,2,5,6} 35915,6
{6} 5926,59183 {1,3,5} 22580,056 {1,3,4,5} 59892,2395
{1,2} 23627,7316 {1,3,6} 23059,883 {1,3,4,6} 59037,1734
{1,3} 17474,9143 {1,4,5} 51077,5855 {1,3,5,6} 29061,8317
{1,4} 44660,0342 {1,4,6} 51251,4823 {1,4,5,6} 57711,7146
{1,5} 15715,9095 {1,5,6} 21634,7228 {2,3,4,5} -
{1,6} 15721,0692 {2,3,4} 56713,1378 {2,3,4,6} 62823,0522
{2,3} 19965,5595 {2,3,5} 25675,61 {2,3,5,6} 32501,158
{2,4} 49116,8662 {2,3,6} 26785,3577 {2,4,5,6} 61536,8358
{2,5} 18479,6213 {2,4,5} 55306,9142 {3,4,5,6} 55135,8446
{2,6} 19378,8677 {2,4,6} 55392,0962 {1,2,3,4,5} 73652,8182
{3,4} 42395,5766 {2,5,6} 25158,3837 {1,2,3,4,6} 74029,2452
{3,5} 11981,3505 {3,4,5} 48653,3526 {1,2,3,5,6} 43075,1272
{3,6} 13028,1611 {3,4,6} 49275,6128 {1,2,4,5,6} 72717,3912
{4,5} 41204,475 {3,5,6} 18789,2945 {1,3,4,5,6} 65653,3286
{4,6} 41426,3475 {4,5,6} 47481,2809 {2,3,4,5,6} 68691,3997
{5,6} 11623,1761 {1,2,3,4} 67386,9627 {1,2,3,4,5,6} 80591,342
Tabla 5. Valores optimizados por subconjunto generado.

48
Para el cálculo de Shapley se utilizan estos valores y se procede a utilizar la plantilla presentada en
la figura 3.
VALOR DE SHAPLEY (S 1)!(n S )!
i (v ) v( S ) v( S {i})
S N :i S n!
Contribución a la coalicion que contienen j jugadores
Jugador i en
cada 1 2 3 4 5 6 i(v)
coalición
(V(1,2,3,4)-V(2,3,4)) + (V(1,2,3,5)-
(V(1,2)-V(2)) + (V(1,2,3)-V(2,3)) + (V(1,2,4)-V(2,4)) + V(2,3,5)) + (V(1,2,3,6)-V(2,3,6)) + (V(1,2,3,4,5)-V(2,3,4,5))+
(V(1,3)-V(3)) + (V(1,2,5)-V(2,5)) + (V(1,2,6)-V(2,6)) + (V(1,2,4,5)-V(2,4,5)) + (V(1,2,4,6)- (V(1,2,3,4,6)-V(2,3,4,6)) +
V(1,2,3,4,5,6)-
1 V(1)-V( ) (V(1,4)-V(4))+ (V(1,3,4)-V(3,4)) + (V(1,3,5)-V(3,5)) + V(2,4,6)) + (V(1,2,5,6)-V(2,5,6)) + (V(1,2,3,5,6)-V(2,3,5,6)) +
V(2,3,4,5,6)
0
(V(1,5)-V(5))+ (V(1,3,6)-V(3,6)) + (V(1,4,5)-V(4,5)) + (V(1,3,4,5)-V(3,4,5)) + (V(1,3,4,6)- (V(1,2,4,5,6)-V(2,4,5,6)) +
(V(1,6)-V(6)) (V(1,4,6)-V(4,6)) + (V(1,5,6)-V(5,6)) V(3,4,6)) + (V(1,3,5,6)-V(3,5,6)) + (V(1,3,4,5,6)-V(3,4,5,6))
(V(1,4,5,6)-V(4,5,6))
(V(1,2,3,4)-V(1,3,4)) + (V(1,2,3,5)-
(V(1,2)-V(1)) + (V(1,2,3)-V(1,3)) + (V(1,2,4)-V(1,4)) + V(1,3,5))+ (V(1,2,3,6)-V(1,3,6))+ (V(1,2,3,4,5)-V(1,3,4,5))+
(V(2,3)-V(3)) + (V(1,2,5)-V(1,5)) + (V(1,2,6)-V(1,6)) + (V(1,2,4,5)-V(1,4,5)) + (V(1,2,4,6)- (V(1,2,3,4,6)-V(1,3,4,6)) +
V(1,2,3,4,5,6)-
2 V(2)-V( ) (V(2,4)-V(4))+ (V(2,3,4)-V(3,4)) + (V(2,3,5)-V(3,5)) + V(1,4,6)) + (V(1,2,5,6)-V(1,5,6)) + (V(1,2,3,5,6)-V(1,3,5,6)) +
V(1,3,4,5,6)
0
(V(2,5)-V(5))+ (V(2,3,6)-V(3,6))+ (V(2,4,5)-V(4,5)) + (V(2,3,4,5)-V(3,4,5))+ (V(2,3,4,6)- (V(1,2,4,5,6)-V(1,4,5,6)) +
(V(2,6)-V(6)) (V(2,4,6)-V(4,6)) + (V(2,5,6)-V(5,6)) V(3,4,6)) + (V(2,3,5,6)-V(3,5,6)) + (V(2,3,4,5,6)-V(3,4,5,6))
(V(2,4,5,6)-V(4,5,6))
(V(1,2,3,4)-V(1,2,4)) + (V(1,2,3,5)-
(V(1,3)-V(1)) + (V(1,2,3)-V(1,2)) + (V(1,3,4)-V(1,4)) + V(1,2,5))+ (V(1,2,3,6)-V(1,2,6))+ (V(1,2,3,4,5)-V(1,2,4,5)) +
(V(2,3)-V(2)) + (V(1,3,5)-V(1,5)) + (V(1,3,6)-V(1,6)) + (V(1,3,4,5)-V(1,4,5)) + (V(1,3,4,6)- (V(1,2,3,4,6)-V(1,2,4,6)) +
V(1,2,3,4,5,6)-
3 V(3)-V( ) (V(3,4)-V(4))+ (V(2,3,4)-V(2,4)) + (V(2,3,5)-V(2,5)) + V(1,4,6)) + (V(1,3,5,6)-V(1,5,6)) + (V(1,2,3,5,6)-V(1,2,5,6)) +
V(1,2,4,5,6)
0
(V(3,5)-V(5))+ (V(2,3,6)-V(2,6))+ (V(3,4,5)-V(4,5)) + (V(2,3,4,5)-V(2,4,6))+ (V(2,3,4,6)- (V(1,3,4,5,6)-V(1,4,5,6)) +
(V(3,6)-V(6)) (V(3,4,6)-V(4,6)) + (V(3,5,6)-V(5,6)) V(2,4,6)) + (V(2,3,5,6)-V(2,5,6)) + (V(2,3,4,5,6)-V(2,4,5,6))
(V(3,4,5,6)-V(4,5,6))
(V(1,2,3,4)-V(1,2,3)) + (V(1,2,4,5)-
(V(1,4)-V(1)) + (V(1,2,4)-V(1,2)) + (V(1,3,4)-V(1,3))+ V(1,2,5))+ (V(1,2,4,6)-V(1,2,6))+ (V(1,2,3,4,5)-V(1,2,3,5)) +
(V(2,4)-V(2)) + (V(1,4,5)-V(1,5)) + (V(1,4,6)-V(1,6)) + (V(1,3,4,5)-V(1,3,5)) + (V(1,3,4,6)- (V(1,2,3,4,6)-V(1,2,3,6)) +
V(1,2,3,4,5,6)-
4 V(4)-V( ) (V(3,4)-V(3))+ (V(2,3,4)-V(2,3)) + (V(2,4,5)-V(2,5)) + V(1,3,6)) + (V(1,4,5,6)-V(1,5,6)) + (V(1,2,4,5,6)-V(1,2,5,6)) +
V(1,2,3,5,6)
0
(V(4,5)-V(5))+ (V(2,4,6)-V(2,6)) + (V(3,4,5)-V(3,5)) + (V(2,3,4,5)-V(2,3,5))+ (V(2,3,4,6)- (V(1,3,4,5,6)-V(1,3,5,6)) +
(V(4,6)-V(6)) (V(3,4,6)-V(3,6)) + (V(4,5,6)-V(5,6)) V(2,3,6)) + (V(2,4,5,6)-V(2,5,6)) + (V(2,3,4,5,6)-V(2,3,5,6))
(V(3,4,5,6)-V(3,5,6))
(V(1,2,3,5)-V(1,2,3)) + (V(1,2,4,5)-
(V(1,5)-V(1)) + (V(1,2,5)-V(1,2)) + (V(1,3,5)-V(1,3))+ V(1,2,4))+ (V(1,2,5,6)-V(1,2,6))+ (V(1,2,3,4,5)-V(1,2,3,4)) +
(V(2,5)-V(2)) + (V(1,4,5)-V(1,4)) + (V(1,5,6)-V(1,6)) + (V(1,3,4,5)-V(1,3,4)) + (V(1,3,5,6)- (V(1,2,3,5,6)-V(1,2,3,6)) +
V(1,2,3,4,5,6)-
5 V(5)-V( ) (V(3,5)-V(3))+ (V(2,3,5)-V(2,3)) + (V(2,4,5)-V(2,4)) + V(1,3,6)) + (V(1,4,5,6)-V(1,4,6)) + (V(1,2,4,5,6)-V(1,2,4,6)) +
V(1,2,3,4,6)
0
(V(4,5)-V(4))+ (V(2,5,6)-V(2,6)) + (V(3,4,5)-V(3,4)) + (V(2,3,4,5)-V(2,3,4))+ (V(2,3,5,6)- (V(1,3,4,5,6)-V(1,3,4,6)) +
(V(5,6)-V(6)) (V(3,5,6)-V(3,6)) + (V(4,5,6)-V(4,6)) V(2,3,6)) + (V(2,4,5,6)-V(2,4,6)) + (V(2,3,4,5,6)-V(2,3,4,6))
(V(3,4,5,6)-V(3,4,6))
(V(1,2,3,6)-V(1,2,3)) + (V(1,2,4,6)-
(V(1,6)-V(1)) + (V(1,2,6)-V(1,2)) + (V(1,3,6)-V(1,3))+ V(1,2,4))+ (V(1,2,5,6)-V(1,2,5))+ (V(1,2,3,4,6)-V(1,2,3,4)) +
(V(2,6)-V(2)) + (V(1,4,6)-V(1,4)) + (V(1,5,6)-V(1,5)) + (V(1,3,4,6)-V(1,3,4)) + (V(1,3,5,6)- (V(1,2,3,5,6)-V(1,2,3,5)) +
V(1,2,3,4,5,6)-
6 V(6)-V( ) (V(3,6)-V(3))+ (V(2,3,6)-V(2,3)) + (V(2,4,6)-V(2,4)) + V(1,3,5)) + (V(1,4,5,6)-V(1,4,5)) + (V(1,2,4,5,6)-V(1,2,4,5)) +
V(1,2,3,4,5)
0
(V(4,6)-V(4))+ (V(2,5,6)-V(2,5)) + (V(3,4,6)-V(3,4)) + (V(2,3,4,6)-V(2,3,4))+ (V(2,3,5,6)- (V(1,3,4,5,6)-V(1,3,4,5)) +
(V(5,6)-V(5)) (V(3,5,6)-V(3,5)) + (V(4,5,6)-V(4,5)) V(2,3,5)) + (V(2,4,5,6)-V(2,4,5)) + (V(2,3,4,5,6)-V(2,3,4,5))
(V(3,4,5,6)-V(3,4,5))
P(j) 0,166666667 0,033333333 0,016666667 0,016666667 0,033333333 0,166666667
(s-1)!(n-s)!
n!

Figura 3. Plantilla de Shapley

Cabe resaltar que esta plantilla está adaptada para este ejemplo en particular, sin embargo, el
diseño de la herramienta computacional permite considerar coaliciones para jugadores.

De acuerdo con los resultados, se obtiene que la gran coalición sea la mejor alternativa para este
problema, es decir, la coalición {1,2,3,4,5,6}. Las cantidades optimizadas se presentan en la tabla 6.

49
 U1 U2 U3 U4
C1 0 315 0 0
C2 0 0 325 0
C3 0 0 0 0
C4 0 0 0 200
C5 250 0 0 0
C6 0 0 0 0
Tabla 6. Cantidades (en kWh) que debe negociar cada comercializador con cada usuario.

En resumen, si todos los comercializadores cooperan, podrían aumentar sus ganancias,

obteniendo así la utilidad total de $80,591. Al calcular el Valor de Shapley, a cada comercializador
le corresponde en utilidades, la cual se presenta en la tabla 7.

Jugador i Contribución a la coalición que contienen j jugadores

en cada
coalición 1 2 3 4 5 6 (v)

1 9.128,19 51.385,90 103.381,04 105.324,77 117.131,02 11.899,94 12.600,35

2 12.845,50 68.472,20 133.359,38 79.442,92 71.327,18 14.938,01 12.837,27
3 6.538,15 36.441,77 73.853,68 12.708,59 37.662,10 7.873,95 6.314,85
4 35.164,85 179.026,21 360.095,12 301.678,89 183.990,97 37.516,21 35.243,65
5 5.338,66 29.401,25 59.235,05 -1.261,15 31.158,11 6.562,10 4.968,34
6 5.926,59 32.162,27 64.162,62 64.680,56 94.721,77 6.938,52 8.521,04
P(j) 0,17 0,03 0,02 0,02 0,03 0,17
Tabla 7. Valores de Shapley calculados para este problema.

Teóricamente, al sumar los valores se debería obtener la misma cifra que se obtiene en la gran
coalición. Sin embargo, se presenta una desviación de 0,13 % debido a errores de aproximación
del modelo de repartición de utilidades de Shapley.

Al comparar los valores con los obtenidos en (GUZMAN, 2007), se puede observar la conveniencia
de cooperar y la estabilidad de la coalición generada, ya que los jugadores no tienen ningún
incentivo para salirse de la coalición. En la tabla 8 se muestra dicha comparación.

OPTIMIZACION
COMS BI-NIVEL COOPERACIÓN
1 8640.33 12600,34946
2 12509.86 12837,26927

50
 3 6235.09 6314,851023
4 33951.26 35243,65068
5 4869.00 4968,336351
6 6128.03 8521,040108
Tabla 8. Comparación de las utilidades generadas por el modelo.

51
 6. CONCLUSIONES Y FUTURAS INVESTIGACIONES

La coordinación de la cadena de suministros de la Energía, es bajo muchos enfoques distintos, la

mejor manera de resolver los problemas de optimización debido a que existen muchas partes
interesadas de la cadena y cada uno busca su propio beneficio, por lo que sus funciones de
optimización son conflictivas. Si se buscara la cooperación entre agentes, y estos mismos fueran
coordinados por un sistema centralizado que le distribuya sus beneficios de la mejor manera, se
puede mejorar el beneficio global del sistema y controlar un mejor servicio de compra y venta de
energía.

El mercado eléctrico colombiano presenta una situación en el que cada una de las diferentes
partes, generador, comercializador y usuario, quieren obtener los mayores beneficios. El
mecanismo de cooperación entre agentes comercializadores bajo el enfoque de teoría de juegos
cooperativa, logra establecer oportunidades para la mejora del sistema de comercializadores sin
excluir funciones de optimización entre generadores, respetando los precios establecidos para los
usuarios no regulados. Aunque el concepto de solución es complejo a nivel computacional, el
Valor de Shapley garantiza la repartición equitativa para cada uno de los agentes, respetando sus
intereses propios y los de la coalición.

La investigación realizada logró formular y desarrollar el modelo matemático para la cadena de

suministro de la energía eléctrica en Colombia. El modelo matemático verifica la existencia de una
solución factible para el modelo cooperativo. Analíticamente, se pudo demostrar que la solución
factible obtenida mejora los resultados generados por el modelo de cooperación con optimización
bi-nivel18, implementando una repartición equitativa de las utilidades, al tener en cuenta que los
agentes que hacen parte de la coalición cooperan para minimizar todos aquellos gastos y costos
en que incurrirían si trabajaran por separado.

18
Ver (GUZMAN, 2007).

52
Los resultados analíticos se validaron a través de un algoritmo, el cual se programó en Visual
Studio 2005. La aplicación incorpora el procedimiento para el cálculo del Valor de Shapley para
coaliciones de jugadores, igualmente permite seleccionar la mejor manera de coalicionar entre
los jugadores participantes. Aunque el cálculo del Valor de Shapley y la formación de coaliciones
se convierte en un problema combinatorio, su eficiencia y la estabilidad que les brinda a los
jugadores, hace de ella una herramienta valiosa dentro del algoritmo.

Los resultados obtenidos para esta situación en particular indican que los comercializadores
dentro de la cadena de suministro de la energía eléctrica son capaces de formar integración
vertical, para el cual es posible coordinar la negociación de la energía eléctrica de manera que esta
se haga eficientemente y logrando que los usuarios finales estén al tanto, con anticipación, el
contrato al cual están sujetos y el precio contratado, sin arriesgar un aumento del mismo en los
horarios picos, para el cual antes no se garantizaba el cumplimiento de la cantidad pactada en la
oferta de energía eléctrica por el comercializador.

Para futuras investigaciones, se deja el campo abierto para mejorar el procedimiento

implementado con el fin de resolver problemas de mayores dimensiones, reduciendo así la
complejidad computacional del algoritmo. Igualmente, se sugiere extender la cooperación entre
comercializadores y llevarlo a otros niveles de la cadena, como por ejemplo, entre generadores,
logrando así una mayor coordinación de la misma. Se propone extender este modelo de oferta a
un modelo de precios para el cual se logren pactar los precios entre usuarios y comercializadores y
observar la estabilidad del mercado eléctrico en estos modelos.

53
 BIBLIOGRAFÍA

AUBIN, J. P. (2007). Mathematical Methods of Game and Economic Theory. Mineola: Dover Ed.

AUMANN, R., & HART, S. (1992). Handbook of Game Theory: With Economic Applications (Vol. 1).
North-Holland: Elsevier Science, B.V.,733p.

AVIV, Y. (2001). The Effect of Collaborative Forecasting on Supply Chain Performance.

Management Science , 47 ( 10), 1326-1343.

BARTHOLDI, J. J., & KEMAHHOGLU-ZIYA, E. (2004). Using Shapley Value to Allocate Savings in a
Supply Chain. Supply Chain Optimization , 37p.

BORENSTEIN, S. (2007, Abril). Customer risk from real-time retail electricity pricing: bill volatility
and hedgability. The Energy Journal .

BOYD, R. (2007, Abril). Emissions Trading Principles and Practice. The Energy Journal .

BYMAN, B. (2000). Using distributed power quality monitoring for better electrical system
management. (Pacific Engineering Corp);. (T. Yarborough, R. S. von Carolsfeld, & J. Van Gorp, Eds.)
IEEE Transactions on Industry Applications , 36 (5), 1481-1485.

CACHON, G. (2001). Chapter 6: Supply Chain Coordination with Contracts. USA: University of
Pennsylvania.

CACHÓN, G. (1999). Competitive and Cooperative Inventory Management in a Two-Echelon Supply

Chain with Lost Sales. Fuqua School of Business.

CACHON, G., & KÖK, A. G. (2006). Implementation of the Newsvendor Model with Clearance
Pricing: How to (and how not to) Estimate Salvage Value. 29p.

CACHON, G., & LARIVIERE, M. (2001). Contracting to assure supply: Share Demand Forecasts in a
Supply Chain. Management Science , 47 (5), 629-646.

CACHON, G., & LARIVIERE, M. (2005). Supply Chain Coordination with Revenue-Sharing Contracts:
Strengths and Limitations. 51 (1), 30-44.

CACHON, G., & LARIVIERE, M. (2005). Supply Chain Coordination with Revenue-Sharing Contracts:
Strengths and Limitations. 51 (1), 30-44.

CACHON, G., & NETESSINE, S. Game Theory in Supply Chain Analysis. University of Pennsylvania.
54
CACHON, G., & ZIPKIN, P. (1999). Competitive and cooperative inventory policies in a two-stage
supply chain. Management Science , 936-953.

CONTRERAS, J. (1997). A Cooperative Game Theory Approach to Transmission Planning in Power

Systems. University of California.

CONTRERAS, J. e. (2004). Numerical Solutions to Nash–Cournot Equilibria in Coupled Constraint

Electricity Markets. IEEE Transactions on Power Systems , 19, 195-206p.

CONTRERAS, J., & WU, F. (2000). A Kernel-Oriented Algorithm for Transmission Planning. IEEE
Transactions on Power Systems , 15 (4), 7p.

CONTRERAS, J., KLUSCH, M., & KRAWCZYK, J. (2004). Numerical Solutions to Nash-Cournot
Equilibria in Coupled Constraint Electricity Markets. IEEE Transactions on Power Systems , 19 (1),
195-206.

DEBO, L. (1999). Repeatedly selling to an impatient newsvendor when demand fluctuates: a

supergame framework for co-operation in a supply chain. Working Paper, Carnegie Mellon
University.

DRIESEN, J. (1999). Electrical energy measurements in environments characterized by a detoriated

Power Quality. (T. Van Craenenbroeck, R. Belmans, & G. Deconinck, Eds.) IEEE Conference
Publication (462), 115-118p.

FERNANDEZ GARCIA, J. R. (2000). Complejidad y Algoritmos en Juegos Cooperativos. Sevilla:

Universidad de Sevilla,234p.

FUDENBERG, D., & TIROLE, J. (1991). Game Theory. Massachusetts: MIT Press,579p.

FUGATE, B., SAHIN, F., & MENTZER, J. (2005). Supply Chain Coordination Mechanisms. University
of Tennessee .

GARDNER, R. (2003). Games for Business and Economics (2da ed.). Indiana, USA: Wiley.

GATELY, D. (1974). Sharing the gains from regional cooperation: A game theoretic application to
planning investment in electric power. International Economic Review , 15 (1), 195-208p.

GECELCA S.A. (2007). El ABC del negocio: “Mercado de Energía Mayorista”. Presentación en Power
Point, Universidad del Norte, Barranquilla.

GORADIA, H., & VIDAL, J. (2007). An Equal Excess Negotiation Algorithm for Coalition Formation.
AAMAS’07 (p. 3p.). Honolulu: IFAAMAS.

GUZMAN, L. (2007). Modelo de Cooperación para el Sector Eléctrico entre Generadores y

Comercializadores. Tesis de Grado presentada como requisito para optar al título de Mágister de
Ingeniería Industrial, Universidad del Norte, Departamento Ingeniería Industrial, Barranquilla.
55
HART, S., & MAS-COLLEL, A. (1988). The potential of the Shapley Value. (A. Roth, Ed.) The Shapley
Value , 127-137.

HULSHORST, W. S., & WOLSE, J. (2007). Premium Power Quality Contracts and Labeling. European
Copper Institute. Arnhem: KEMA Consulting.

KARLIN, S. (1987). Mathematical Methods and Theory in Games, Programming, and Economics.
Mineola, NY: Dover Phoenix Editions,386p.

KLUSCH, M., & SHEHORY, O. (1996.). A polynomial kernel-oriented coalition algorithm for rational
information agents. Proceedings of the 2nd International Conference on Multi-Agent Systems.
Kyoto, Japan.

LARIO, e. (1999). La Optimización de la Cadena de Suministro bajo Incertidumbre: El Proyecto

Schuman. III Jornadas de Ingeniería de Organización, (p. 8p.). Barcelona.

LINDROOS, M. (2000). Nash Equilibria for a coalitional game on Atlanto-Scandian herring. Helsinki
University of Technology, Systems Analysis Laboratory Research Reports. Hut: Helsinki University
of Technology.

METZLER, C., HOBBS, B., & PANG, H.-S. (2003). Nash-Cournot Equilibria in Power Markets on a
Linearize DC Network with Arbitrage: Formulations and Properties. Networks and Spatial
Economics , 123-150p.

MINISTERIO DE MINAS Y ENERGIA. (2007, Mayo 25). Generalidades del sector del Estado
Empresario al Estado Regulador. Bogotá.

MULLER, A., SCARSIN, M., & SHAKED, M. (2002). The newsvendor game has a nonempty core.
Games and Economic Behavior , 38, 118-126.

OWEN, G. (1995). Game Theory (3rd Edition ed.). San Diego: Academic Press,447p.

PAPADIMITRIOU, C., & STEIGLITZ, K. (1998). Combinatorial Optimization. Mineola: Dover

Publications,496p.

PELEG, B., & SUDHÖLTER, P. (2007). Introduction to the theory of cooperative games (2nd ed.).
Berlin: Springer,328p.

PROEXPORT COLOMBIA. (2007, Marzo 12). Energía Eléctrica. Bogotá, Colombia: Andi Colombia.

SHEHORY, O., & KRAUS, S. Coalition formation among autonomous agents: Strategies and
complexity. Ramat Gan, Israel: Bar Ilan University.

SKVARENINA, T. L. (2002). Electrical power quality experiments. ASEE Annual Conference

Proceedings (pp. 5511-5522p.). Vive L'ingenieur: Purdue University.

56
VELASQUEZ, J. M. (2000). Condiciones matemáticas de los problemas de equilibrio: Aplicaciones en
el sector energético. Documento de Trabajo DW-DT-009-003, DecisionWare Ltd., Bogotá.

WEIBURG, C. (1991). Distributed Utility: technology, customer, and public policy changes shaping
the electrical utility of tomorrow. (J. J. Iannucci, & M. M. Reading, Eds.) Energy Systems and Policy ,
15 (4), 307-322p.

ZACCOUR, G., & PINEAU, P.-O. (2007, Julio). An oligopolistic electricity market model with
interdependent segments. The Energy Journal .

57
ANEXO A. PSEUDOCÓDIGO MODELO STACKELBERG COOPERATIVO

MAIN ()
Inicializar Valores.
Ir al PASO 1.

Ir al PASO 2.

Ir al PASO 3.
Ir al PASO 4.

Ir al PASO 5.

Haga
Ir al PASO 6.
Para j 1 Hasta Nc
If S rw (m _ max, j ) 0 then j CA

FinPara
// CA es el conjunto de agentes que no se encuentran en la coalición líder.

count S rw //número de subcoaliciones en la ronda r.

Haga
Ir al PASO 7.
Ir al PASO 3.
Ir al PASO 4.
Ir al PASO 5.
Loop Until w count 1
Ir al PASO 8.
Si V _ max r V _ max r 1 entonces

S r0 1 S rw _ max
r r 1
w 0
Si no

Lj {m _ max r* }

// L j es el conjunto de agentes que han sido líderes en las rondas anteriores

Si L j Nc entonces

V _ max r 0

58
 r r 1
0
S r S r0*
r* r
Para l 1 Hasta Nc
Si l L j entonces

m _ max r l
l Nc
Fin Si
FinPara
Si no
ronda r
Ir al PASO 9.
Para m 1 Hasta Nc
Si agentes_ t (m) 1
Ir al PASO 10.
Si no
Para j 1 Hasta Nc
Si S _ max(i, j) 1 entonces
SV _ agent( j) VJ (i)
FinSi
Fin Para
FinSi
Fin Para
stop true
Fin Si

Fin Si
Loop Until stop true

Inicializar Valores :
// número de generadores
// número de comercializadores
// número de usuarios no regulados

59
 // número de subcoaliciones
// número de la ronda
// coalición en la ronda r
//número de subcoaliciones en la ronda r.

c _ g (i, j) // precio de la energía vendida del generador i al comercializador j

c _ m( j, k ) // precio de la energía vendida del comercializador j al usuario k

g (i, j ) // cantidad de energía vendida del generador i al comercializador j

c( j, k ) // cantidad de energía vendida del comercializador j al usuario k
costo( j) // costo de energía comprada por el comercializador j

costo _ s(m) // costo de energía asignada a la subcoalición m

m rw ( m, k ) // cantidad de energía vendida de la subcoalición m al usuario k

cap _ g (i) // capacidad del generador i

dem(k ) // demanda del usuario k

i 1,..., Ng; j 1,..., Nc; k 1,..., Nu; m 1,..., Sc;
Nc!
registros_ sh( j ) j // la función de la combinatoria para el número de grupos formados por
j!( Nc j )!
j jugadores.

(i 1)!( Nc i)!
p(i)
Nc!

PASO 1. Optimización de los generadores

-Resolver el siguiente problema de optimización
n
max g (i, j )c _ g (i, j )
j 1

Nu Ng
max c( j, k )c _ m( j, k ) g (i, j )c _ g (i, j ) j 1,..., Nu
k 1 i 1

SA
n
g (i, j ) cap _ g (i ) i 1,..., Ng
j 1

Ng Nu
g (i, j ) c( j , k ) j 1,..., Nc
i 1 k 1

60
 Nu
c( j , k ) dem(k ) k 1,..., r
j 1

Nu Ng
c ( j , k )c _ m( j , k ) g (i, j )c _ g (i, j ) 0 j 1,..., Nc
k 1 i 1

g (i, j), c( j, k ) 0 i, j, k

-Con los resultados de esta optimización, las cantidades optimizadas son valores fijos para nuestra siguiente
optimización, de la siguiente manera:
costo( j ) g (i, j )c _ g (i, j ) j
i

PASO 2. Coaliciones Iniciales

La coalición inicial es formada de esta manera:
1 m j
S rw (m, j ) m, j 1... Nc, r 0, w 0
0i j

Si S rw (m, j ) 1 , el comercializador j pertenece a la subcoalición i en la coalición w de la ronda r

PASO 3. Calcular precios y costos de la coalición

Calcular el precio, p _ s rw (m, k ) , que cada una de las subcoaliciones m le ofrecerán al usuario k en la
coalición w de la ronda r .

p _ srw (m, k ) max j Sm c _ m( j , k ) m

costo _ s(m) costo( j ) m

j Sm

PASO 4. Optimización entre comercializadores.

- Resolver el siguiente problema de optimización
Max V _ S rw p _ srw (m, k )mrw (m, k ) cos to _ s(m)
m k m

S.A.
mrw (m, k ) dem(k ) k
m

g (i, j ) mrw (m, k ) m

i j S k

m rw (m, k ) 0 k, m

61
PASO 5: Registrar el valor del juego
Para i 1 Hasta Nc
Para j 1 Hasta Nc
Si S rw (i, j ) 1 Entonces

valor _ temp(i, w) valor _ temp(i, w) p _ s rw (i, j )mrw (i, j ) cos to _ s(i)

agentes(i, w) agentes(i, w) 1
Fin Si
Fin Para
Fin Para

//En el siguiente procedimiento se registra la contribución del nuevo agente a la coalición.

Para i 1 Hasta Nc
Si agentes(i, w) 1 Y r 0 Entonces
valor 1, j valor _ temp(i, w)
a j, j,1 j

Si no
Si agentes(i, w) 2 Entonces
s 0
Para k 1 Hasta agentes(i, w)
Si k 1 Entonces
Para j 1 Hasta Nc

Si S rw (i, j ) 1 Entonces
Para m 1 Hasta j 1
s s ( Nc agentes(i, w)) m 1
Fin Para
FinSi
Fin Para
Si no
Para j 2 Hasta Nc
Si S rw (i, j ) 1 Entonces
s s ( Nc j)

62
 Si no
Fin Para
FinSi
Fin Para
Fin Si
Fin Para
Fin Si
Fin Si
Para j 1 Hasta Nc
Si S rw (i, j ) 1 Entonces

Si valor agentes(i, w), s valor _ temp(i, w) entonces

valor agentes(i, w), s valor _ temp(i, w)
a s, j, agentes(i, w) j
Fin Si
Fin Si
Fin Para
Fin Para

PASO 6: Se obtiene a la subcoalición líder.

-Con los resultados de la optimización, se obtiene la subcoalición líder, a partir de ella se crearan las otras
posibles coaliciones:
m _ max r arg max i valor _ temp(i )

Para j 1 Hasta Nc

Si S rw (m _ max, j ) 0 entonces j CA

Fin Para
// CA es el conjunto de agentes que no se encuentran en la coalición líder.

PASO 7. Generar una nueva coalición.

count S rw //número de subcoaliciones en la ronda r.

63
S rw S r0

S rw (m, CA( w)) 0 m

Si m _ max CA(w) entonces

S rw (m _ max, CA( w)) 1

Fin Si

// Este procedimiento genera todas las posibles coaliciones utilizando el líder de las coaliciones, m _ max r .

PASO 8. Una mejor solución es encontrada en la ronda r.

// Este procedimiento registra los valores por cada subcoalición de la coalición ganadora de la ronda.
V _ max r max w V _ S rw
w _ max r arg max w V _ S rw

Para i 1 Hasta Nc
valor _ subr (i) valor _ temp(i, w _ max)
agentesr (i) agentes(i, w _ max)
Fin Para

PASO 9. Seleccionar la coalición ganadora

// Se obtiene la coalición ganadora, es decir, la que obtenga un mayor beneficio a lo largo de todas las
rondas. Igualmente, se registran las subcoaliciones que la conforman y el número de agentes que tiene cada
una.
Valor _ max 0

Para r 1 Hasta ronda

Si Valor _ max V _ max rw _ max Entonces

Valor _ max V _ max rw _ max

S _ max( i, j ) S rw _ max (i, j )
Para i 1 Hasta Nc
VJ (i) valor _ subr (i)

agentes_ t (i) agentesr (i)

Fin Para
FinSi
Fin Para

64
PASO 10. Calcular el Valor de Shapley
// Para calcular el Valor de Shapley, anteriormente se ha registrado una matriz , la cual registra el
agente que pertenece en la coalición en la posición con número agentes . También se ha registrado una
matriz , la cual registra el valor de la coalición con número agentes . Este valor es el que se
obtiene al guardar el máximo valor de los diferentes subgrupos al hacer las optimizaciones entre los
comercializadores.
Para i 1 Hasta agentes_ t (i)
Para j 1 Hasta Nc
Si S _ max(i, j) 1 Entonces
Si i 1 Entonces
Pot (i, j ) valor 1, j
Si no
Para l 1 Hasta registros(i)
Para k 1 Hasta Nc
Si a(l, k , i) j Entonces
v _ temp(l ) valor i, l
Si no

a _ sec(l , k ) a l, k , i
FinSi
Fin Para
indicador falso
Para temp 1 Hasta registros
Para k 1 Hasta Nc
Si a(temp, k , i 1) a _ sec(l, k ) Entonces
indicador verdadero
FinSi
Fin Para
Si indicador falso Entonces
v _ temp(l ) v _ temp(l ) valor i 1, temp
FinSi
Fin Para
VS (i, j ) VS (i, j ) v _ temp l
65
 Fin Para
Fin Si
Fin Si
Fin Para
Fin Para
Para j 1 Hasta Nc
Para i 1 Hasta Nc
SV _ agent( j) SV _ agent( j) VS (i, j) p(i)
Fin Para
Fin Para

66
ANEXO B. INFORME GENERADO POR VISUAL STUDIO 2005

Índice Conjunto S1 S2 S3 S4 S5 S6 Total

0 111111 80.591,34 0,00 0,00 0,00 0,00 0,00 80.591,34
1 111112 73.652,82 5.767,87 0,00 0,00 0,00 0,00 79.420,69
2 111121 74.029,25 5.057,84 0,00 0,00 0,00 0,00 79.087,08
3 111122 67.341,77 11.483,10 0,00 0,00 0,00 0,00 78.824,87
4 111123 67.386,96 5.080,95 5.859,12 0,00 0,00 0,00 78.327,02
5 111211 43.075,13 34.705,03 0,00 0,00 0,00 0,00 77.780,16
6 111212 36.040,75 40.808,88 0,00 0,00 0,00 0,00 76.849,62
7 111213 35.607,20 34.506,45 5.862,64 0,00 0,00 0,00 75.976,29
8 111221 37.233,87 40.661,50 0,00 0,00 0,00 0,00 77.895,37
9 111222 30.807,77 47.425,73 0,00 0,00 0,00 0,00 78.233,49
10 111223 30.144,03 40.832,68 5.817,14 0,00 0,00 0,00 76.793,85
11 111231 36.959,92 34.508,34 5.076,17 0,00 0,00 0,00 76.544,43
12 111232 30.148,21 40.967,52 5.259,44 0,00 0,00 0,00 76.375,17
13 111233 29.804,90 34.552,41 11.556,07 0,00 0,00 0,00 75.913,38
14 111234 29.920,45 34.648,21 5.072,81 5.926,59 0,00 0,00 75.568,06
15 112111 72.717,39 6.510,83 0,00 0,00 0,00 0,00 79.228,22
16 112112 65.983,46 12.990,23 0,00 0,00 0,00 0,00 78.973,69
17 112113 66.124,77 6.522,56 5.869,64 0,00 0,00 0,00 78.516,98
18 112121 66.014,06 11.682,54 0,00 0,00 0,00 0,00 77.696,61
19 112122 59.169,72 18.694,94 0,00 0,00 0,00 0,00 77.864,66
20 112123 59.327,20 11.622,01 5.864,87 0,00 0,00 0,00 76.814,07
21 112131 66.150,89 6.522,87 5.051,70 0,00 0,00 0,00 77.725,46
22 112132 59.326,54 13.021,49 5.068,34 0,00 0,00 0,00 77.416,37
23 112133 59.353,94 6.532,36 11.534,66 0,00 0,00 0,00 77.420,95
24 112134 59.472,31 6.439,02 5.061,21 5.871,34 0,00 0,00 76.843,88
25 112211 35.915,60 42.073,98 0,00 0,00 0,00 0,00 77.989,58
26 112212 29.672,98 49.275,61 0,00 0,00 0,00 0,00 78.948,59
27 112213 29.050,42 42.218,22 5.800,29 0,00 0,00 0,00 77.068,93
28 112221 29.945,87 48.565,39 0,00 0,00 0,00 0,00 78.511,27
29 112222 23.579,80 55.135,84 0,00 0,00 0,00 0,00 78.715,64
30 112223 23.506,39 48.642,58 5.880,44 0,00 0,00 0,00 78.029,41
31 112231 29.956,55 42.218,25 5.319,89 0,00 0,00 0,00 77.494,68
32 112232 23.506,39 48.751,50 5.182,43 0,00 0,00 0,00 77.440,33
33 112233 23.367,74 42.316,82 11.610,40 0,00 0,00 0,00 77.294,96
34 112234 23.344,47 42.328,62 5.228,33 5.854,94 0,00 0,00 76.756,35
35 112311 35.548,41 6.528,14 34.516,89 0,00 0,00 0,00 76.593,43
36 112312 28.684,03 12.931,81 34.560,75 0,00 0,00 0,00 76.176,59
37 112313 28.987,94 6.167,94 40.975,86 0,00 0,00 0,00 76.131,75
38 112314 28.697,92 6.296,65 34.621,69 5.836,42 0,00 0,00 75.452,67
39 112321 29.562,74 11.742,21 34.571,76 0,00 0,00 0,00 75.876,70
40 112322 23.058,43 18.755,37 34.603,10 0,00 0,00 0,00 76.416,90
41 112323 23.342,61 11.823,24 41.228,32 0,00 0,00 0,00 76.394,16
42 112324 22.972,36 11.911,23 34.639,90 5.829,49 0,00 0,00 75.352,98
43 112331 29.899,36 6.169,78 40.841,87 0,00 0,00 0,00 76.911,01

67
Índice Conjunto S1 S2 S3 S4 S5 S6 Total
44 112332 23.315,92 12.898,91 40.926,44 0,00 0,00 0,00 77.141,27
45 112333 23.627,73 6.113,37 47.481,28 0,00 0,00 0,00 77.222,38
46 112334 23.283,95 6.116,23 40.942,20 5.845,41 0,00 0,00 76.187,79
47 112341 29.554,46 6.311,67 34.617,59 5.160,88 0,00 0,00 75.644,60
48 112342 22.979,21 12.888,41 34.620,90 5.273,89 0,00 0,00 75.762,42
49 112343 23.285,41 6.116,23 41.076,96 5.245,07 0,00 0,00 75.723,67
50 112344 22.438,80 6.437,81 35.164,85 11.592,37 0,00 0,00 75.633,84
51 112345 22.929,05 6.155,88 34.664,46 5.240,21 5.840,35 0,00 74.829,95
52 121111 65.653,33 12.659,63 0,00 0,00 0,00 0,00 78.312,96
53 121112 59.892,24 18.946,19 0,00 0,00 0,00 0,00 78.838,43
54 121113 59.145,18 12.552,50 5.899,27 0,00 0,00 0,00 77.596,95
55 121121 58.942,58 18.479,62 0,00 0,00 0,00 0,00 77.422,20
56 121122 52.346,00 25.158,38 0,00 0,00 0,00 0,00 77.504,38
57 121123 52.353,83 18.386,88 5.862,64 0,00 0,00 0,00 76.603,36
58 121131 59.037,17 12.537,37 5.069,90 0,00 0,00 0,00 76.644,45
59 121132 52.467,71 19.378,87 5.035,20 0,00 0,00 0,00 76.881,78
60 121133 52.239,13 12.491,30 11.528,27 0,00 0,00 0,00 76.258,70
61 121134 52.431,14 12.446,62 5.072,44 5.867,53 0,00 0,00 75.817,74
62 121211 29.061,83 48.934,14 0,00 0,00 0,00 0,00 77.995,97
63 121212 22.314,98 55.392,10 0,00 0,00 0,00 0,00 77.707,08
64 121213 22.314,98 48.993,87 5.880,44 0,00 0,00 0,00 77.189,29
65 121221 23.043,71 55.306,91 0,00 0,00 0,00 0,00 78.350,62
66 121222 17.474,91 61.536,84 0,00 0,00 0,00 0,00 79.011,75
67 121223 16.369,59 55.113,82 5.824,03 0,00 0,00 0,00 77.307,45
68 121231 23.043,30 48.996,12 5.180,90 0,00 0,00 0,00 77.220,32
69 121232 16.525,18 55.392,10 5.294,32 0,00 0,00 0,00 77.211,59
70 121233 16.525,18 48.993,87 11.598,28 0,00 0,00 0,00 77.117,33
71 121234 16.550,04 49.083,39 5.271,94 5.830,71 0,00 0,00 76.736,08
72 121311 28.713,88 12.845,50 34.889,41 0,00 0,00 0,00 76.448,78
73 121312 21.998,03 19.070,68 34.606,50 0,00 0,00 0,00 75.675,21
74 121313 22.580,06 12.216,21 41.426,35 0,00 0,00 0,00 76.222,61
75 121314 21.921,74 12.331,39 34.641,59 5.827,55 0,00 0,00 74.722,27
76 121321 23.014,15 18.312,81 34.606,23 0,00 0,00 0,00 75.933,19
77 121322 16.372,92 25.033,81 34.759,16 0,00 0,00 0,00 76.165,90
78 121323 16.525,18 18.291,20 41.141,34 0,00 0,00 0,00 75.957,72
79 121324 16.520,65 18.277,17 34.757,26 5.875,91 0,00 0,00 75.431,00
80 121331 23.059,88 12.288,88 40.932,47 0,00 0,00 0,00 76.281,23
81 121332 15.659,23 18.841,89 41.204,48 0,00 0,00 0,00 75.705,59
82 121333 16.525,18 12.323,64 47.403,48 0,00 0,00 0,00 76.252,30
83 121334 16.525,18 12.323,64 41.005,26 5.880,44 0,00 0,00 75.734,51
84 121341 23.030,54 12.331,50 34.641,46 5.263,20 0,00 0,00 75.266,70
85 121342 16.551,31 19.051,40 34.753,78 5.205,91 0,00 0,00 75.562,40
86 121343 16.525,18 12.323,64 41.141,34 5.182,43 0,00 0,00 75.172,59
87 121344 16.446,32 12.275,57 34.706,21 11.610,30 0,00 0,00 75.038,39
88 121345 16.420,09 12.267,01 34.716,11 5.230,61 5.853,67 0,00 74.487,48
89 122111 57.596,86 19.965,56 0,00 0,00 0,00 0,00 77.562,42
90 122112 50.733,89 26.785,36 0,00 0,00 0,00 0,00 77.519,25
91 122113 51.039,61 19.823,91 5.862,64 0,00 0,00 0,00 76.726,16

68
Índice Conjunto S1 S2 S3 S4 S5 S6 Total
92 122121 51.251,48 25.669,03 0,00 0,00 0,00 0,00 76.920,51
93 122122 44.660,03 32.501,16 0,00 0,00 0,00 0,00 77.161,19
94 122123 44.530,31 25.490,38 5.862,64 0,00 0,00 0,00 75.883,34
95 122131 51.081,22 19.824,41 5.076,19 0,00 0,00 0,00 75.981,83
96 122132 44.529,37 26.601,20 5.076,19 0,00 0,00 0,00 76.206,77
97 122133 44.385,96 19.778,89 11.529,21 0,00 0,00 0,00 75.694,06
98 122134 44.599,62 19.699,78 5.070,61 5.869,27 0,00 0,00 75.239,27
99 122211 21.612,31 56.713,14 0,00 0,00 0,00 0,00 78.325,45
100 122212 15.047,43 62.823,05 0,00 0,00 0,00 0,00 77.870,48
101 122213 15.001,69 56.471,14 5.781,90 0,00 0,00 0,00 77.254,72
102 122221 0,00 0,00 0,00 0,00 0,00 0,00 0,00
103 122222 7.989,19 68.691,40 0,00 0,00 0,00 0,00 76.680,59
104 122223 0,00 0,00 0,00 0,00 0,00 0,00 0,00
105 122231 15.676,46 56.633,08 5.338,66 0,00 0,00 0,00 77.648,20
106 122232 8.052,54 62.585,05 5.294,60 0,00 0,00 0,00 75.932,20
107 122233 9.122,18 56.412,27 11.543,96 0,00 0,00 0,00 77.078,41
108 122234 9.122,10 56.443,48 5.169,83 5.847,13 0,00 0,00 76.582,54
109 122311 21.585,78 19.448,19 34.628,13 0,00 0,00 0,00 75.662,10
110 122312 15.089,61 26.254,40 34.757,12 0,00 0,00 0,00 76.101,13
111 122313 15.123,90 19.445,96 41.139,46 0,00 0,00 0,00 75.709,32
112 122314 15.090,57 19.465,56 34.765,63 5.880,44 0,00 0,00 75.202,19
113 122321 15.672,64 25.405,99 34.757,62 0,00 0,00 0,00 75.836,25
114 122322 9.122,18 32.400,41 34.545,91 0,00 0,00 0,00 76.068,49
115 122323 8.881,17 25.675,61 41.288,27 0,00 0,00 0,00 75.845,05
116 122324 8.718,35 25.448,09 34.656,48 5.820,89 0,00 0,00 74.643,81
117 122331 15.721,07 19.561,05 41.004,07 0,00 0,00 0,00 76.286,18
118 122332 8.924,29 26.198,95 40.996,98 0,00 0,00 0,00 76.120,22
119 122333 8.917,85 19.700,70 47.403,48 0,00 0,00 0,00 76.022,03
120 122334 8.917,85 19.700,70 41.005,26 5.880,44 0,00 0,00 75.504,24
121 122341 15.675,19 19.463,04 34.765,64 5.182,42 0,00 0,00 75.086,29
122 122342 8.959,46 26.287,41 34.655,66 5.289,43 0,00 0,00 75.191,95
123 122343 8.911,97 19.702,52 41.146,10 5.179,49 0,00 0,00 74.940,07
124 122344 8.920,06 19.691,21 34.759,78 11.621,88 0,00 0,00 74.992,93
125 122345 8.917,85 19.688,43 34.760,95 5.186,98 5.877,91 0,00 74.432,11
126 123111 57.711,71 12.524,52 6.538,15 0,00 0,00 0,00 76.774,38
127 123112 51.077,59 19.341,12 6.538,15 0,00 0,00 0,00 76.956,86
128 123113 50.884,80 12.484,20 13.028,07 0,00 0,00 0,00 76.397,06
129 123114 51.075,51 12.442,67 6.455,68 5.866,88 0,00 0,00 75.840,74
130 123121 51.120,93 18.389,60 6.538,15 0,00 0,00 0,00 76.048,68
131 123122 44.522,31 25.157,04 6.511,06 0,00 0,00 0,00 76.190,41
132 123123 44.339,33 18.375,42 13.028,16 0,00 0,00 0,00 75.742,91
133 123124 44.552,90 18.341,35 6.455,23 5.867,44 0,00 0,00 75.216,91
134 123131 50.911,01 12.484,01 11.622,49 0,00 0,00 0,00 75.017,51
135 123132 44.340,71 19.315,16 11.622,49 0,00 0,00 0,00 75.278,36
136 123133 44.323,25 12.484,01 18.723,18 0,00 0,00 0,00 75.530,45
137 123134 44.371,08 12.432,76 11.643,09 5.864,55 0,00 0,00 74.311,48
138 123141 51.109,97 12.443,00 6.455,11 5.075,20 0,00 0,00 75.083,29
139 123142 44.554,17 19.297,38 6.455,12 5.075,21 0,00 0,00 75.381,88

69
Índice Conjunto S1 S2 S3 S4 S5 S6 Total
140 123143 44.372,17 12.432,86 13.021,96 5.085,34 0,00 0,00 74.912,33
141 123144 44.647,44 12.428,55 6.161,34 11.491,26 0,00 0,00 74.728,60
142 123145 44.455,49 12.397,93 6.407,41 5.059,90 5.885,27 0,00 74.206,00
143 123211 21.622,94 48.993,87 6.116,23 0,00 0,00 0,00 76.733,04
144 123212 15.093,29 55.392,10 6.116,23 0,00 0,00 0,00 76.601,61
145 123213 15.093,29 48.993,87 12.856,71 0,00 0,00 0,00 76.943,87
146 123214 0,00 0,00 0,00 0,00 0,00 0,00 0,00
147 123221 15.674,64 55.304,66 6.116,74 0,00 0,00 0,00 77.096,04
148 123222 9.122,18 61.523,32 6.349,75 0,00 0,00 0,00 76.995,24
149 123223 9.122,18 55.102,58 12.890,67 0,00 0,00 0,00 77.115,44
150 123224 9.122,18 55.146,31 6.316,35 5.847,13 0,00 0,00 76.431,97
151 123231 15.715,91 48.800,09 11.981,35 0,00 0,00 0,00 76.497,35
152 123232 9.122,18 55.173,17 11.906,66 0,00 0,00 0,00 76.202,01
153 123233 9.120,34 48.774,59 18.724,70 0,00 0,00 0,00 76.619,63
154 123234 9.128,19 48.802,87 11.850,21 5.848,02 0,00 0,00 75.629,29
155 123241 15.719,34 49.116,87 6.116,23 5.305,42 0,00 0,00 76.257,86
156 123242 9.122,18 55.204,39 6.316,35 5.169,83 0,00 0,00 75.812,74
157 123243 9.122,18 48.806,16 12.921,91 5.169,83 0,00 0,00 76.020,07
158 123244 9.122,18 48.806,16 6.316,35 11.564,80 0,00 0,00 75.809,49
159 123245 9.122,18 48.812,39 6.282,99 5.159,43 5.859,63 0,00 75.236,62
160 123311 21.625,43 12.250,76 42.345,06 0,00 0,00 0,00 76.221,25
161 123312 15.093,29 19.026,95 42.375,79 0,00 0,00 0,00 76.496,03
162 123313 15.093,29 12.361,76 48.751,50 0,00 0,00 0,00 76.206,55
163 123314 15.093,29 12.361,76 42.375,79 5.880,44 0,00 0,00 75.711,28
164 123321 15.674,93 18.333,05 42.375,79 0,00 0,00 0,00 76.383,77
165 123322 8.917,85 24.960,71 42.375,79 0,00 0,00 0,00 76.254,35
166 123323 8.682,44 18.467,69 48.751,11 0,00 0,00 0,00 75.901,23
167 123324 8.917,85 18.448,09 42.375,79 5.880,44 0,00 0,00 75.622,17
168 123331 15.685,11 12.386,68 48.642,54 0,00 0,00 0,00 76.714,33
169 123332 8.917,85 18.944,15 48.642,58 0,00 0,00 0,00 76.504,58
170 123333 8.917,85 12.424,18 55.040,81 0,00 0,00 0,00 76.382,84
171 123334 8.916,98 12.436,04 48.653,35 5.883,72 0,00 0,00 75.890,09
172 123341 15.675,12 12.361,24 42.375,79 5.182,43 0,00 0,00 75.594,58
173 123342 8.933,53 18.933,70 42.395,58 5.167,50 0,00 0,00 75.430,30
174 123343 8.917,85 12.424,18 48.751,50 5.182,43 0,00 0,00 75.275,96
175 123344 8.917,95 12.424,53 42.376,08 11.623,18 0,00 0,00 75.341,73
176 123345 8.917,85 12.424,18 42.375,79 5.182,43 5.880,44 0,00 74.780,69
177 123411 21.634,72 12.326,74 6.129,87 34.647,02 0,00 0,00 74.738,35
178 123412 15.093,29 19.026,95 6.116,23 34.765,63 0,00 0,00 75.002,09
179 123413 15.082,08 12.301,11 12.920,71 34.724,96 0,00 0,00 75.028,86
180 123414 15.093,29 12.361,76 6.116,23 41.141,34 0,00 0,00 74.712,62
181 123415 15.083,54 12.282,05 6.116,23 34.731,73 5.862,12 0,00 74.075,67
182 123421 15.674,93 18.333,05 6.116,23 34.765,63 0,00 0,00 74.889,83
183 123422 8.951,12 25.003,49 6.116,23 34.677,70 0,00 0,00 74.748,53
184 123423 8.917,85 18.448,09 12.942,70 34.765,63 0,00 0,00 75.074,27
185 123424 8.860,81 18.471,18 6.094,50 41.171,22 0,00 0,00 74.597,70
186 123425 8.917,85 18.448,09 6.116,23 34.765,63 5.880,44 0,00 74.128,23
187 123431 15.656,71 12.299,43 11.867,64 34.724,48 0,00 0,00 74.548,27

70
Índice Conjunto S1 S2 S3 S4 S5 S6 Total
188 123432 8.917,85 18.944,15 11.827,61 34.765,63 0,00 0,00 74.455,24
189 123433 8.917,85 12.424,18 18.789,29 34.765,63 0,00 0,00 74.896,95
190 123434 8.930,79 12.476,81 11.798,88 41.185,07 0,00 0,00 74.391,55
191 123435 8.917,85 12.424,18 11.827,61 34.765,63 5.880,44 0,00 73.815,70
192 123441 15.674,93 12.360,84 6.116,23 41.005,26 0,00 0,00 75.157,25
193 123442 8.917,85 18.944,15 6.116,23 41.005,26 0,00 0,00 74.983,48
194 123443 8.917,85 12.424,18 12.942,70 41.005,26 0,00 0,00 75.289,99
195 123444 8.917,85 12.424,18 6.116,23 47.403,48 0,00 0,00 74.861,74
196 123445 8.917,85 12.424,18 6.116,23 41.005,26 5.880,44 0,00 74.343,95
197 123451 15.659,12 12.280,16 6.116,23 34.731,34 5.215,79 0,00 74.002,63
198 123452 8.917,85 18.944,15 6.116,23 34.765,63 5.182,43 0,00 73.926,28
199 123453 8.917,85 12.424,18 12.942,70 34.765,63 5.182,43 0,00 74.232,78
200 123454 8.920,09 12.432,30 6.116,87 41.145,86 5.179,39 0,00 73.794,50
201 123455 8.917,85 12.424,18 6.116,23 34.765,63 11.623,15 0,00 73.847,03
202 123456 8.917,85 12.424,18 6.116,23 34.765,63 5.182,43 5.880,44 73.286,75

71